다이뉴트리노 시스템을 이용한 탑쌍 생산 차동 단면 측정: CMS 13 TeV 전 데이터 분석

초록

**
CMS는 13 TeV 양성자-양성자 충돌에서 138 fb⁻¹의 Run 2 데이터를 이용해, 다이뉴트리노 시스템의 전이운동량 pₙₙᵀ와 레프톤과의 최소 방위각 차이 Δφₘᵢₙ을 변수로 하는 탑쌍(t t̄) 차동 단면을 최초로 측정하였다. 누락된 전이운동량(pₜ^miss) 재구성을 향상시키기 위해 딥 뉴럴 네트워크(DNN) 회귀를 적용했으며, 실험·이론계 시스템atics를 정밀히 평가하였다. 측정값은 POWHEG+PYTHIA, HERWIG, MC@NLO 등 최신 시뮬레이션 및 NNLO 이론과 전반적으로 좋은 일치를 보였으며, 스톱-중성미자 모델을 이용한 BSM 폐쇄 테스트에서도 기대되는 변형을 재현하였다.

**

상세 분석

**
본 연구는 기존의 탑쌍 차동 단면 측정이 주로 가시 입자(제트, 레프톤) 혹은 중간 입자(탑, W)와 연관된 변수에 초점을 맞춘 것과 달리, 완전히 관측되지 않는 다이뉴트리노 시스템 자체의 운동학적 특성을 직접 다루었다는 점에서 혁신적이다. 다이뉴트리노 전이운동량 pₙₙᵀ와 레프톤 pₗᵀ와의 최소 방위각 차이 Δφₘᵢₙ은 BSM 시나리오, 특히 스톱-중성미자(𝑡̃→t χ̃⁰)와 같은 추가적인 무시광자(중성미자) 발생 시 신호와 배경을 구분하는 강력한 변수로 작용한다.

핵심 기술적 진전은 PUPPI 기반 MET에 딥 뉴럴 네트워크 회귀를 적용해 pₜ^miss 의 절대값과 방향을 동시에 보정한 것이다. 두 개의 출력 노드(x, y)를 갖는 완전 연결 피드포워드 DNN은 입력으로 다양한 이벤트 레벨 피처(제트 kinematics, 레프톤 pₜ, η, ϕ, primary vertex 수 등)를 사용했으며, 시뮬레이션에서 생성된 진짜 MET와의 차이를 학습한다. 결과적으로 MET 해상도가 약 15 % 향상되고, ϕ 해상도는 12 % 개선되었다. 이는 unfolding 단계에서 bin‑to‑bin migration을 크게 감소시켜 보다 세밀한 binning을 가능하게 하였으며, 차동 단면의 통계·시스템atics 불확실성을 동시에 낮추는 효과를 가져왔다.

시스템atics 평가에서는 실험적 불확실성으로는 Jet Energy Scale(JES)가 대부분의 구간에서 지배적이었으며, 이론적 불확실성에서는 tW‑t t̄ 중복 제거 방식(DS/DR)과 매트릭스‑엘리먼트와 파트론 샤워 매칭, 스케일 변동이 주요 원인으로 작용했다. 특히 고 pₙₙᵀ 구간과 Δφₘᵢₙ이 작은 구간에서 이러한 이론적 변동이 크게 나타났다.

BSM 폐쇄 테스트에서는 스톱 질량 525 GeV, 중성미자 질량 350 GeV 모델을 가정하고, 신호에 10배 스케일을 적용한 가상 데이터셋을 이용해 정규화된 unfolding, 일반 정규화, bin‑by‑bin unfolding 세 방식 모두 기대되는 변형을 정확히 재현함을 확인했다. 이는 현재 측정이 향후 실제 BSM 신호 탐색에 충분한 민감도를 가지고 있음을 시사한다.

최종 결과는 pₙₙᵀ와 Δφₘᵢₙ에 대한 1‑D 및 2‑D 차동 단면을 제공하며, POWHEG+PYTHIA, POWHEG+HERWIG, MC@NLO+PYTHIA와 같은 NLO 시뮬레이션 및 NNLO 고정 차수 계산과 전반적으로 일치한다. 미세한 형태 차이는 특히 Δφₘᵢₙ의 최상위 bin에서 이전에 보고된 레프톤‑레프톤 방위각 차이와 유사한 경향을 보이며, 이는 SM 예측의 미세 조정이 필요함을 암시한다. 전체적으로 본 분석은 다이뉴트리노 기반 변수의 차동 측정이 가능함을 입증하고, MET 회복을 위한 DNN 기법이 고정밀 탑 물리학에 유용함을 보여준다.

**