面向未来 $e^+e^-$ 希格斯工厂的 95 GeV 希格斯玻色子搜索的粒子级 Transformer

受到围绕 95~GeV 区域若干轻微偏离的启发，我们调查了通过希格斯耦合法 ($e^+e^- \to Z(\mu^+\mu^-)S$) 产生的轻标量 $S$ 在未来 $e^+e^-$ 希格斯工厂的前景。我们以 CEPC 为基准，中心-of-mass 能量为 $\sqrt{s}=240$ GeV，积分亮度为 $L=20~\mathrm{ab}^{-1}$。我们关注衰变模式 $S\to\tau^+\tau^-$ 和 $S\to b\bar b$。为最大化灵敏度，我们采用粒子级 Transformer 网络 Particle Transformer (ParT) 及其更互动的变体 MIParT，这些网络利用所有重构对象的特征及其相关性。对于代表性信号基准，此方法在 $\tau^+\tau^-$ 通道中将信号强度的预期统计精度提高 2.3 倍，在 $b\bar b$ 通道中提高 1.4 倍。对于翻转型双希格斯模型 (N2HDM-F)，CEPC 可使用 MIParT 在 $\tau^+\tau^-$ 通道中将信号强度的统计精度降至 1.0%，在 $b\bar b$ 通道中降至 0.69%。它可实现 $\mu_{\tau\tau}^{ZS}>1.6\times10^{-2}$ 或 $\mu_{bb}^{ZS}>5.0\times10^{-3}$ 的 $5\sigma$ 发现，或在 $\mu_{\tau\tau}^{ZS}>0.93$ 或 $\mu_{bb}^{ZS}>0.14$ 时达到 1% 精度。这些收益预计在 FCC-ee、ILC 等其他未来轻子集成器中也能相当程度地继承。我们的结果表明粒子级机器学习技术有望强化未来 $e^+e^-$ 希格斯工厂上的轻希格斯搜索。