미래 뮤온‑양성자 충돌기에서 벡터‑라이크 싱글렛 탑 쿼크 탐색

초록

**
본 연구는 √s = 5.29, 6.48, 9.16 TeV인 미래 뮤온‑양성자(μp) 충돌기에서 벡터‑라이크 싱글렛 탑(VL‑T) 쿼크의 단일 생산을 조사한다. T → Wb 붕괴를 전적으로 하드론( bjj )과 반레프톤( blν ) 두 채널에서 분석하고, Boosted Decision Tree와 Multi‑Layer Perceptron을 이용한 다변량 분류기로 신호‑배경 구분을 최적화한다. 9.16 TeV 기준점에서는 100 fb⁻¹ 데이터만으로 4 TeV 이하 질량에서 5σ 이상의 발견 가능성을 보이며, 3000 fb⁻¹에서는 g* ∈

상세 분석

**
이 논문은 기존 LHC·HL‑LHC 탐색 한계를 뛰어넘는 새로운 가속기 개념인 μp 충돌기의 물리 잠재력을 정량화한다. 벡터‑라이크 싱글렛 탑(T) 쿼크는 SU(2)ₗ 싱글렛으로, 전통적인 쿼크와 달리 게이지 불변 질량항을 가질 수 있어 전기약 결합에 직접적인 의존 없이 높은 질량까지 존재 가능하다. 저자들은 효과적인 라그랑지안 L_T = (g/√2) κ_W \bar{T}γ^μW_μ d + … 형태를 채택해, W, Z, H 보손과의 결합 강도 κ_{W,Z,H}와 SM 3세대와의 혼합 행렬 V_{4i}를 파라미터화한다. 특히 T → Wb 붕괴가 전체 브랜칭 비율의 약 50 %를 차지하도록 설정하고, 고질량 영역에서는 Goldstone 보존 정리로 tZ와 tH 붕괴가 거의 동일해짐을 언급한다.

시뮬레이션 파이프라인은 MadGraph5_aMC@NLO → PYTHIA 8.3 → Delphes 3.5 순으로 진행되며, 신호는 μ⁻ p → ν_μ T \bar{b} → ν_μ (Wb) \bar{b} 과정을, 배경은 SM 단일 탑, W+jets, Z+jets, 다중 제트 등을 포함한다. 하드론 채널에서는 최소 4개의 재구성 제트와 2개의 b‑tagged 제트를 요구하고, HT > 450 GeV, E_T^miss > 10 GeV 등의 전역 에너지 컷을 적용한다. 특히 ΔR_{bb}와 M_{bjj}와 같은 콜리메이션 변수는 고질량 T가 보통보다 좁은 입체각에 붕괴함을 이용해 배경 억제에 핵심 역할을 한다.

반레프톤 채널에서는 고p_T(>150 GeV) 단일 전자를 요구하고, N_jets ≥ 2, 정확히 1개의 b‑jet(p_T > 80 GeV) 조건을 부과한다. 여기서 가장 큰 효율 손실은 고질량 T가 b‑jet와 전자를 겹치게 하여 b‑tag 효율이 감소하는 점이다. ΔR(ℓ,b) > 1.5와 M_T^miss > 80 GeV를 추가해 SM 단일 탑과 W+jets를 효과적으로 억제한다.

다변량 분석에서는 TMVA 프레임워크를 활용해 BDT와 MLP 두 모델을 각각 최적화한다. 변수 선택은 kinematic( p_T, η ), 전역( HT, E_T^miss ), 콜리메이션( ΔR ), 재구성 질량( M_{bjj}, M_T ) 등을 포함한다. 학습 및 검증 과정에서 과적합을 방지하기 위해 교차 검증과 정규화를 적용했으며, 최종 성능 평가는 Asimov significance Z_A를 사용해 20 % 시스템 불확실성을 포함시켰다. 결과적으로 9.16 TeV 설정에서 BDT(ℓ 채널)와 MLP(하드론 채널)가 각각 3000 fb⁻¹까지 g* ≈ 0.10–0.50 구간에서 5 TeV 질량까지 5σ 탐색을 가능하게 한다.

이 연구는 μp 충돌기가 고에너지·고정밀을 동시에 제공함을 보여주며, 특히 단일 생산 메커니즘을 통해 VLQ와 같은 무거운 BSM 입자의 혼합 파라미터(g*)를 직접 측정할 수 있는 새로운 창을 연다. 또한, 전통적인 컷‑기반 분석보다 다변량 기법이 복잡한 콜리메이션 현상을 효과적으로 포착한다는 점에서 머신러닝 기반 분석의 중요성을 강조한다.

**