利用 LHC 特殊数据集搜寻长寿命新粒子

受新物理可能以极重新粒子形式显现这一预期的推动，LHC 的大部分运行时间被用于以最高可达能量和碰撞率进行 $pp$ 碰撞。高碰撞率意味着严格的触发要求，包括对末态粒子横动量 $p_{T}$ 的高阈值，以及由同一束团交叉期间发生的不同碰撞所产生的粒子堆积这一本底。对于若干动机充分的新物理模型，该策略可能并非最优——其中新粒子并不特别重，且因其质量轻、耦合小而能逃过多用途 LHC 实验的在线筛选标准。LHC 实验常规收集的互补数据集或可提供一种解决方案。这些包括重离子碰撞、用于精密物理的低堆积运行，以及所谓的“parking”和“scouting”数据集。尽管其中部分数据集的动机来自其他物理目标，它们共同具有在触发层级使用温和 $p_{T}$ 阈值的特点。在本研究中，我们针对一个代表性模型评估这些数据集的相对优势，该模型具有长寿命共振产生位移双缪子顶点的洁净特征信号。我们通过 Delphes 模拟在 Run 2 和 Run 3 条件下模拟 LHC 数据，对一种简单分析在各数据集上的探测范围进行比较。我们表明，scouting 和 parking 数据集分别仅利用部分探测器信息和延迟事件重建来实现低-$p_{T}$ 触发阈值，其探测范围与采用常规阈值的标 $pp$ 数据集相当。我们还表明，重离子和低堆积数据集对于该信号远缺乏竞争力。