November 15th, 2013
Este trabajo demuestra un protocolo para la refundición experimentales límites modelo simplificado en los límites conservadores y agresivos sobre un nuevo modelo de la física arbitraria. Resultados experimentales del LHC disponibles al público se puede rehacer de esta manera en límites en casi cualquier nuevo modelo de la física con una firma-supersimetría similares.
El objetivo general de este procedimiento es aplicar los límites existentes en los modelos simplificados para completar nuevos modelos físicos. Esto se logra deconstruyendo primero el nuevo modelo de física en sus procesos y modos constituyentes. El segundo paso es compilar una lista de modelos simplificados que cubran los procesos en el nuevo modelo de física.
A continuación, la cinemática de los modelos simplificados elegidos debe validarse con la cinemática de un punto completo para garantizar una cobertura completa. El paso final es convertir los límites existentes en esos modelos simplificados en límites en el nuevo modelo de física. En última instancia, los límites estimados utilizando modelos simplificados se utilizan para mostrar que se pueden obtener límites aproximados sin estudios específicos de Montecarlo.
La principal ventaja de esta técnica sobre los métodos existentes es que no es necesario validar ni ejecutar ninguna simulación de detector para obtener un límite útil. Este método ofrece a los teóricos una nueva forma de utilizar los resultados experimentales que son nuevos para entender un modelo. La física generalmente lucha con la aparente complejidad de los nuevos modelos físicos.
Sin embargo, con este método, somos capaces de reproducir casi en su totalidad la cinemática del modelo completo, que es el pequeño número de modelos simplificados, lo que hace la vida mucho más fácil. El primer paso para explorar la supergravedad mínima estudiada en este video o en cualquier nuevo modelo de física es generar eventos de colisión de protones y protones que cubran un plano en su espacio de parámetros. Para ello, utiliza una colección de software que produce eventos con duchas Parton e incorpora un modelo de condescendencia.
Pase los eventos a través del paquete de software PGS de simulación bastante bueno con una gran tarjeta de parámetros del detector Hadron Collider y extraiga los objetos de estado final. A continuación, utilice los resultados del evento PGS y el registro del evento del generador para clasificar la producción de piezas en los modos de decaimiento. Lleve un registro de todas las masas de partículas, mecanismos de producción, cadenas de desintegración y sus respectivos recuentos, y utilícelos para calcular fracciones ramificadas.
Calcule las mejores secciones transversales de producción para el modelo de interés. Inicie la reconstrucción del modelo seleccionando un punto en el espacio de parámetros de la nueva física. Modela el semiplano M zero M1 en supergravedad mínima.
Determine los modos de producción para este punto y anote los importantes para el mismo punto en el espacio de parámetros. Determine los modos de decaimiento importantes Escanee el espacio de parámetros y repita estos pasos hasta que haya un diccionario de modelos simplificados que cubra al menos el 50% de los modos de producción y decaimiento abiertos del nuevo modelo de física. A continuación, comience a probar la calidad del modelo simplificado.
Elija un punto representativo del nuevo modelo de física y construya allí el modelo simplificado correspondiente utilizando las masas adecuadas. Repita esto para varios puntos, lo que da como resultado varios modelos simplificados. Comience con un modelo simplificado y péselo con un factor que sea proporcional a su fracción de producción por su fracción de ramificación.
A continuación, agregue un segundo modelo ponderado al primero. Continúe haciendo lo mismo para cada uno de los otros modelos para formar una suma sobre todos los modelos. A continuación, calcule las distribuciones cinemáticas para los puntos representativos de supergravedad mínima utilizando el procedimiento de generación de eventos y compárelas con las del modelo simplificado combinado.
Si la cinemática difiere en más de un 30%, incluya modelos simplificados adicionales para mejorar la cobertura para el límite más conservador. Comience la construcción del límite teniendo en cuenta la expresión del número esperado de eventos que se muestra aquí. Obtener los productos pertinentes de aceptación y eficiencia.
Elija un punto de espacio de parámetros y utilice esta ecuación para probar el comportamiento del nuevo modelo de física cuando no se hacen suposiciones sobre eventos no incluidos explícitamente en el modelo simplificado. Para obtener un límite más realista para el mismo punto de espacio de parámetros. Pruebe el nuevo modelo de física bajo la suposición de que la eficiencia de la producción asociada no es significativamente diferente de la de la producción de pares.
Para un límite más agresivo, pruebe el punto de espacio de parámetros con la suposición de que los modos de producción no representados por explícitamente incluidos. Los modelos simplificados son comparables a los que se incluyen. Para obtener el límite factible más agresivo, agregue la suposición de que los modos de decaimiento no representados por el explícitamente incluidos.
Los modelos simplificados son comparables a los de los modelos que se incluyen. Suponiendo que no haya información sobre las correlaciones, utilice el límite establecido por la región de la señal con el mejor rendimiento esperado. Este gráfico muestra un ejemplo de cero lept en el límite de exclusión para modelos de supergravedad mínima con una relación de valores esperados de vacío de Higgs de 10, acoplamiento alineado de cero y un parámetro de masa positiva.
Los límites combinados se obtienen utilizando la región de la señal, que genera el mejor límite esperado en cada punto del espacio de parámetros. La línea azul del guión muestra el límite esperado del nivel de confianza del 95%. No se tienen en cuenta las incertidumbres sistemáticas teóricas.
La línea roja continua es el límite observado en los resultados de búsquedas anteriores con diferentes opciones de parámetros. A continuación se presentan los límites de exclusión obtenidos utilizando solo modelos simplificados para cada uno de los supuestos sucesivamente más agresivos realizados en el análisis. Los límites están etiquetados por el número de ecuación del manuscrito.
Para hacer una comparación con el experimento Atlas, se interpola el producto de la tasa de aceptación y la eficiencia. El límite de exclusión más conservador sigue el límite de la búsqueda dedicada en regiones que están bien cubiertas por los modelos simplificados, el límite más agresivo sobreestima la exclusión en hasta 40 giga electronvoltios en la región dominada por graznidos y hasta 100 giga electronvoltios en la región dominada por Gino. Tenga en cuenta que incluso para el pequeño número de modelos simplificados utilizados, los límites conservadores establecidos están cerca del resultado correcto.
Después de ver este video, debería tener una buena comprensión de cómo usar los límites experimentales existentes para establecer un límite en cualquier modelo de física nuevo. Al intentar este procedimiento, es importante recordar exactamente qué suposiciones se estaban haciendo sobre los estados finales y si esas suposiciones son físicas y válidas.
View the full transcript and gain access to thousands of scientific videos
Este documento presenta un protocolo para traducir límites experimentales de modelos simplificados en límites conservadores y agresivos aplicables a nuevos modelos de física. La metodología permite el uso de resultados experimentales existentes del LHC para derivar límites en varios nuevos modelos de física con firmas similares a la supersimetría.
Setting experimental limits on supersymmetry and related theories is a critical challenge due to vast parameter spaces and complex model structures. The use of simplified models enables more interpretable and transferable constraints, supporting robust hypothesis testing and portfolio triage in early-stage discovery. This approach enhances predictive confidence and accelerates decision-making across theoretical and translational research pipelines.
This methodology integrates from early discovery through lead identification by enabling rapid recasting of experimental results into new theoretical frameworks.