机器学习对Z3 3HDM与暗物质的洞察

我们研究了一个施加Z3对称性的3-Higgs双重模型（3HDM），允许两个静止标量双重模型和一个活跃的Higgs双重模型。WIMP暗物质候选者对应两个质量极化的状态，H1和A1，分别具有相反的CP量子数，可以同时再现正确的暗物质密度，并满足所有理论和实验约束。我们使用最先进的机器学习算法来探索该模型的参数空间，通过采用新颖奖励的进化策略来进行。我们考虑两种情况：一种是限制暗物质混合角{\theta}的上限，以关闭一个将耗尽暗物质密度的标度湮灭通道；另一种是不施加此限制的通用情况。对于这两种情形，我们发现两种独立的质量区间内都存在可行的暗物质候选者，范围为50 GeV < mDM < mW和380 < mDM < 1000 GeV。此外，我们发现即使在所有现有约束下，仍可获得暗物质-希格斯耦合值为O(0.1)。在{\theta} = {\pi}/4限制之外探索此模型极其困难，因为存在一些在二维平面上看起来容易探索的区域，却在支持有效点的超曲面上完全不相连，这取决于其非凸和多维的特性。我们考虑新的原型选择方法来为新的探索运行提供种子，允许对参数空间进行有效的全局扫描。