在同时展开所有可观测量时保留新物理

对撞机上对新粒子的直接搜寻传统上被分解为理论家的模型提议与实验家的模型检验。随着近期机器学习方法的出现，其允许在给定相空间区域内同时展开所有可观测量，这带来了一种通过在对展开数据上执行搜寻来模糊这些传统边界的新机遇。这或可促成一种研究方案，其中数据以其自然高维形式被探索，且尽可能带有最少模型偏差。我们研究了全相空间展开如何利用大型强子对撞机（LHC）的一个重要物理目标来保留超越标准模型的信息：涉及强子末态的奇特希格斯玻色子衰变。我们发现，若信号截面足够高，关于新物理的信息在展开数据中可见。我们将展示，在某些情形下，关于新物理的可量化全部信息被编码于展开数据中。最后，我们表明仍存在许多展开不能完全或精确奏效的情形，例如当信号截面较小时。本研究将作为增强 LHC 及更远期展开方法的重要基准。