ATLAS가 13·13.6 TeV 충돌에서 τ‑레프톤·제트·MET 신호로 초대칭 입자 탐색

초록

ATLAS는 13 TeV(140 fb⁻¹)와 13.6 TeV(51.8 fb⁻¹) 데이터에서 큰 누락 전이량, 제트 및 최소 하나의 하드론 τ‑레프톤을 포함한 이벤트를 조사하였다. 글루이노와 1·2세대 좌‑손잡이 스쿼크의 쌍생산을 가정하고, 각각이 τ‑슬레프톤 또는 τ‑스네우트리노를 중간 상태로 하는 카스케이드 붕괴를 고려했다. 1τ‑0ℓ, 1τ‑1ℓ, ≥2τ의 세 채널을 독립적으로 최적화하고, 전통적인 cut‑and‑count 방식과 머신러닝 분류기를 이용한 두 가지 분석 전략을 병합하였다. 결과는 글루이노 질량 2.25 TeV 이하와 스쿼크 질량 1.7 TeV 이하를 95 % 신뢰수준에서 배제한다.

상세 분석

본 논문은 R‑패리티 보존 초대칭(SUSY) 모델에서 τ‑레프톤이 풍부한 서명에 초점을 맞춘 최신 검색이다. 분석 대상은 글루이노(𝑔̃)와 좌‑손잡이 1·2세대 스쿼크(𝑞̃_L)이며, 각각은 오프‑쉘 스쿼크(𝑔̃→𝑞̃*𝑞) 혹은 직접 𝑞̃_L→𝜒⁰₂/𝜒⁺₁ 경로를 통해 τ‑슬레프톤(𝜏̃) 또는 τ‑스네우트리노(𝜈̃_τ)로 이어지는 카스케이드를 가진다. 간소화된 모델 파라미터는 글루이노·스쿼크 질량 𝑚(𝑔̃/𝑞̃)와 LSP인 바이노‑형 𝜒⁰₁ 질량 𝑚(𝜒⁰₁) 두 개이며, 중간 입자(𝜒⁰₂, 𝜒⁺₁, 𝜏̃, 𝜈̃_τ)의 질량은 (𝑚(𝑔̃/𝑞̃)+𝑚(𝜒⁰₁))/2 の 형태로 정의된다. 이러한 설정은 Δ𝑚이 수백 GeV 이상인 경우에 한해 신호 효율에 큰 영향을 주지 않는다.

데이터는 2015‑2018 Run 2(13 TeV, 140 fb⁻¹)와 2022‑2023 Run 3 초반(13.6 TeV, 51.8 fb⁻¹)에서 수집되었으며, 모두 누락 전이량(𝐸_T^miss) 트리거를 통과한다. 배경은 크게 (i) 가짜 τ(제트가 τ로 오인되는 경우), (ii) 𝑡𝑡̄·단일‑탑, (iii) 𝑊(τν)+jets, (iv) 𝑍(ττ)+jets 및 diboson, (v) 기타 SM 프로세스로 구분된다. 가짜 τ는 데이터‑드리븐 방법으로 추정했으며, 𝑡𝑡̄·단일‑탑은 MC 시뮬레이션(POWHEG+PYTHIA)으로 모델링한다.

분석 전략은 두 갈래로 나뉜다. 첫 번째는 전통적인 cut‑and‑count 방식으로, 각 채널별로 𝐸_T^miss, 𝑚_T(τ,𝐸_T^miss), 𝑁_jet, 𝑁_b‑jet, 𝑁_τ 등 다중 변수를 단계별로 최적화한다. 두 번째는 Gradient Boosted Decision Tree(GBDT) 기반 머신러닝 분류기를 훈련시켜, 신호와 배경을 다차원 특징공간에서 구분한다. ML 접근법은 전체 위상공간을 활용해 높은 신호 효율을 얻으며, cut‑and‑count 대비 더 높은 기대 제한을 제공한다. 두 방법의 결과는 독립적인 likelihood fit에 의해 결합되어, 시스템atics(젯 에너지 스케일, τ‑식별 효율, PDF·스케일 변동 등)과 함께 전역적인 95 % CL 제한을 도출한다.

결과적으로, 글루이노 질량이 2.25 TeV 이하, 스쿼크 질량이 1.7 TeV 이하인 파라미터 영역이 배제되었다. 특히, τ‑레프톤이 풍부한 시그널 모델에 대해 기존 13 TeV 검색보다 200–300 GeV 정도 더 강력한 제한을 달성했으며, 13.6 TeV 데이터가 제한을 약 5 % 정도 추가 강화하는 데 기여했다. 이 결과는 τ‑레프톤을 포함한 초대칭 서명이 아직 관측되지 않았음을 재확인하면서, 향후 고에너지 LHC 런에서 더 큰 데이터셋과 향상된 τ‑식별 기술이 필요함을 시사한다.