利用深度学习在轻子末态中锁定轻子避讳 Z' 玻色子
高能物理 - 唯象学
2024-02-06 v3 高能物理 - 实验
高能物理 - 理论
摘要
不与标准模型轻子耦合的轻子避讳（leptophobic） 可规避来自双轻子共振搜寻的严格束缚。在我们早前的论文 [T. Arun 等人，Search for the boson decaying to a right-handed neutrino pair in leptophobic models，Phys. Rev. D，106 (2022) 095035；arXiv:2204.02949] 中，我们提出了两种规范无反常的 模型——一种基于 Green-Schwarz（GS）反常抵消机制，另一种基于具有规范动能混合的大统一理论（GUT）框架——其中存在重轻子避讳 与右手中微子（）。我们指出了通过 道在 LHC 上对 与 进行关联搜寻的有趣可能性。该道可探测标准双喷注共振搜寻无法触及的部分 参数空间。在本后续论文中，我们利用深度学习分析了由 对衰变产生的具挑战性的单轻子末态。我们给出了高亮度 LHC 对六种不同 GUT 嵌入以及 GS 设定中一个基准点的发现范围。我们也用深度学习更新了此前双轻子道中的估计。我们确定了可利用所提议道探测但在 HL-LHC 上双喷注搜寻仍无法触及的参数区域。
引用
@article{arxiv.2307.01118,
title = {Pinning down the leptophobic $Z^\prime$ in leptonic final states with Deep Learning},
author = {Tanumoy Mandal and Aniket Masaye and Subhadip Mitra and Cyrin Neeraj and Naveen Reule and Kalp Shah},
journal= {arXiv preprint arXiv:2307.01118},
year = {2024}
}
备注
13 pages, 8 figures, 5 tables. Matches the published version