LHC 上数据驱动、模型无关的长寿命粒子搜寻

中性长寿命粒子（LLP）由许多超越标准模型（BSM）情形（如超对称、重子生成以及中性自然性理论）强烈驱动，并为 LHC 提供了巨大的发现机遇与实验挑战。当前 LLP 搜寻的一个主要瓶颈是对标准模型（SM）背景的预测，其通常无法被精确模拟。在本文中，我们提出了一种在 LLP 搜寻中获取微分、数据驱动背景估计的通用策略，从而显著扩展 LHC 上可发现 LLP 质量与寿命的范围。我们聚焦于在 ATLAS 缪子系统中衰变的长寿命粒子，在 LHC Run-2 中那里可提供信号与对照样本触发。尽管许多现有搜寻需要两次离散衰变，对背景的详细了解将允许仅需一次探测到的 LLP 衰变的包容性搜寻。正如我们在奇异希格斯衰变中 LLP 对产生的 $h \to X X$ 信号模型所展示的，这导致对固有寿命 $\gtrsim 10$ m 的灵敏度大幅改善。在中性自然性理论中，这将触及范围扩展到远低于 $\bar b b$ 阈值的胶球质量。我们的策略容易推广到其他信号模型及其他探测器子系统。因此，该框架有助于发展系统的、模型无关的 LLP 搜寻计划，类似于极成功的触发搜寻的简化模型框架。