利用 ATLAS 探测器在 $\sqrt{s}=13$ TeV $pp$ 碰撞中以弱监督进行双喷注共振搜索

本快报描述了一种使用机器学习异常检测程序搜索窄共振新物理的方法，该程序不依赖信号模拟来制定分析选择。弱监督学习被用于直接在数据上训练分类器以增强潜在信号。目标拓扑为双喷注事件，用于机器学习的特征是两个喷注的质量。所得分析本质上是一个三维搜索 $A\rightarrow BC$，其中 $m_A\sim\mathcal{O}(\text{TeV})$，$m_B,m_C\sim\mathcal{O}(100\text{ GeV})$，且 $B,C$ 被重建为大半径喷注，同时在扫描两个喷注质量时无需承担与大数据试验因子相关的代价。搜索使用了 ATLAS 探测器在大强子对撞机上记录的完整 Run 2 $\sqrt{s}=13$ TeV $pp$ 碰撞数据集，对应 139 fb$^{-1}$。在 1.8 至 8.2 TeV 的双喷注不变质量谱中，没有局部超出的显著证据。窄宽度 $A$、$B$ 和 $C$ 粒子的截面限制随 $m_A$、$m_B$ 和 $m_C$ 变化。例如，当 $m_A=3$ TeV 且 $m_B\gtrsim 200$ GeV 时，根据 $m_C$ 的不同，在 95% 置信水平下排除了 1 至 5 fb 的产生截面。对于某些质量，这些限制比通过 inclusive 双喷注搜索获得的限制灵敏多达 10 倍。这些结果对 $B$ 和 $C$ 为标准模型玻色子的情况下的专用搜索形成了补充。