ATLAS 저질량 디뮤온 공명 탐색: 35–75 GeV 구간에서 새로운 물리 현상 제약

초록

ATLAS는 2015‑2018년 13 TeV pp 충돌에서 140 fb⁻¹ 데이터를 이용해 35–75 GeV 구간의 디뮤온 질량 스펙트럼을 조사했다. 전통적인 배경 함수 대신 Gaussian Process Regression을 도입해 배경을 비모수적으로 모델링했으며, 통계적 유의미한 신호는 발견되지 않았다. 95 % 신뢰수준에서 새로운 공명의 fiducial 단위 생산 단면(σ·BR)은 질량에 따라 20–110 fb로 제한되었고, 이를 다크 포톤 및 다크 매개체(Z′) 모델에 해석해 파라미터 공간에 새로운 제약을 부여했다.

상세 분석

본 연구는 LHC ATLAS 검출기에서 수집된 140 fb⁻¹ 규모의 pp 충돌 데이터를 활용해, 35 GeV에서 75 GeV 사이의 저질량 디뮤온 공명을 모델‑독립적으로 탐색한다는 점에서 의미가 크다. 전통적인 분석에서는 배경을 다항식이나 지수형 함수로 파라메트라이즈하는 경우가 많았지만, 이 질량 구간은 Z/γ* Drell‑Yan 배경이 급격히 변하고, 트리거 효율 및 검출기 응답이 복잡하게 얽혀 있어 단순 함수로는 충분히 설명하기 어렵다. 이를 해결하기 위해 Gaussian Process Regression(GPR)을 도입했으며, 이는 커널 함수를 통해 데이터 자체가 배경 형태를 학습하도록 하는 비모수적 방법이다. GPR의 하이퍼파라미터(길이 스케일, 노이즈 레벨 등)를 데이터‑드리븐 방식으로 최적화함으로써, 전통적 함수보다 과적합 위험을 낮추면서도 국소적인 변동을 포착할 수 있었다.

트리거 전략은 무프리셋(single‑muon)와 무프리셋(dimuon) 트리거를 조합해, 저질량 구간에서도 높은 효율을 유지하도록 설계되었다. 특히, 14 GeV > p_T > 22 GeV 구간을 포괄하는 비동등 트리거와 26 GeV > p_T > 50 GeV 구간을 포괄하는 비동등 트리거를 병행함으로써, 높은 p_T 영역에서의 효율 저하를 보완했다.

시그널 모델링은 두 가지 베엔치마크를 사용했다. 첫 번째는 벡터·축대칭 결합을 갖는 Z′(U(1)′) 모델이며, 두 번째는 kinetic mixing ε를 통해 SM과 연결되는 다크 포톤 Z_D 모델이다. 두 모델 모두 Drell‑Yan 메커니즘으로 직접 생산된 뒤, 즉시 μ⁺μ⁻ 쌍으로 붕괴한다는 가정을 둔다. 시그널 MC는 MadGraph5_aMC@NLO와 Pythia8을 이용해 LO에서 생성하고, NNLO k‑factor를 적용해 정규화하였다. 질량 포인트는 5 GeV 간격으로 35–75 GeV 구간을 커버했으며, 폭(Γ) 효과를 평가하기 위해 g_q=g_ℓ=0.1–0.3 범위에서 Γ/m 비율을 0.4 %–4 % 수준으로 변동시켰다.

배경은 주요하게 Drell‑Yan μμ, ττ, tt̄, diboson 프로세스를 포함했으며, Sherpa와 Powheg+Pythia8을 사용해 NLO/LO 정확도로 시뮬레이션했다. 배경 검증을 위해 대용량 generator‑smearing 샘플을 제작, GPR이 실제 데이터와 얼마나 잘 일치하는지 교차 검증하였다. 시스템atics는 트리거 효율, muon 재구성/식별, 피벗(피드백) 효율, 피크 위치와 해상도, 그리고 배경 모델링(커널 선택, 하이퍼파라미터 변동) 등을 포함한다.

통계적 해석은 RooFit/RooStats 기반의 profile likelihood를 사용했으며, 신호+배경 모델을 전역적으로 피팅한다. 신호 강도 파라미터 μ에 대해 95 % CL 상한을 설정했으며, CLs 방법을 적용했다. 결과적으로 35–75 GeV 전 범위에서 유의미한 로컬 혹은 글로벌 과잉은 관측되지 않았다. 제한은 질량에 따라 20 fb(35 GeV 근처)에서 110 fb(75 GeV 근처)까지 변동한다.

이 제한을 Z′ 모델의 g_q–g_ℓ 평면과 다크 포톤의 ε–m_ZD 평면에 매핑하면, 기존 LHCb·CMS 결과와 비교해 특히 35–50 GeV 구간에서 ε≈10⁻³ 수준까지 제약을 강화한다. 또한, Z′의 경우 g_q·g_ℓ 조합에 대한 새로운 상한을 제공해, 전통적인 dijet·dilepton 검색이 도달하기 어려운 저질량 영역을 효과적으로 커버한다는 점에서 중요한 진전이다.