HL LHC에서 바리온 수 위반 초대칭 입자 탐색: 딥러닝을 통한 전기약한 초입자 검출력 재평가

초록

본 연구는 HL-LHC에서 바리온 수 위반 R-패리티 위반 초대칭 모델 내 전기약한 초입자(전하 중성미자/중성 중성미자)의 직접 생산 감도를 분석한다. 딥러닝 기반 다변량 분석을 통해 다양한 최종 상태 채널에서 Wino-like 입자에 대한 검출 상한을 제시하며, λ’‘112 및 λ’‘113 결합 상수 하에서 최대 ~900 GeV까지의 탐색 가능성을 보여준다.

상세 분석

이 논문은 HL-LHC의 높은 루미노시티 조건(√s=14 TeV, L=3 ab⁻¹) 하에서, R-패리티가 위반되는(바리온 수 위반) MSSM(최소 초대칭 표준 모형)의 전기약한 초입자 섹터에 대한 탐색 감도를 정량적으로 재평가한 중요한 연구이다. 핵심은 기존의 컷 기반 분석을 넘어, 각 벤치마크 점별로 훈련된 다층 퍼셉트론(MLP)을 활용한 다변량 분석 기법을 도입했다는 점이다. 연구팀은 신호 대 배경 분류를 위해 최종 상태 입자의 4-운동량과 함께 MCT, ΔR, Δφ, HT 등 소수의 고수준 관측량을 입력 특징으로 사용했다. 이는 신호와 주요 배경(tt̄+jets, VV+jets, Zh+jets 등) 사이의 미묘한 운동학적 차이를 포착하는 데 최적화된 접근법이다.

기술적 통찰로는, 분석된 다섯 가지 채널(P1-P5)이 서로 다른 실험적 특징(예: b-jet 수, 광자 수, 경입자 수)과 결합 상수(λ’‘112 vs λ’‘113)에 따른 신호 특성을 반영한다는 점을 들 수 있다. 특히 λ’‘112 결합 상수 하에서의 Wh 매개 1ℓ+2b+E̸T 채널(P1)이 가장 높은 검출 상한(~900 GeV)을 보였는데, 이는 h→b̄b의 큰 분기비와 b-태깅의 높은 효율성 덕분으로 해석된다. 반면, 동일한 결합 상수 하의 Wh 매개 1ℓ+(≥2j)+2γ+E̸T 채널(P2) 감도가 상대적으로 낮은(~780 GeV) 것은 h→γγ의 작은 분기비가 주요 원인이다. λ’‘113 결합 상수로 전환 시, b 쿼크가 LSP 붕괴 생성물에 포함되어 b-jet 다중도 요건이 완화되지만(≥1b), 전체적인 감도는 λ’‘112 경우보다 다소 낮아진다. 이는 실험적 검출 효율과 신호 생성률 간의 트레이드오프를 잘 보여준다.

또한, 다양한 중성미자 질량 스플릿(Δm = m_{χ̃₁±/χ̃₂⁰} - m_{χ̃₁⁰})에 대한 벤치마크를 세밀하게 설정하여 운동학적 분포(E̸T, MCT, ΔR 등)가 질량 차이에 어떻게 민감하게 반응하는지 체계적으로 조사했다. 예를 들어, Δm이 클수록 붕괴 산물인 W 보손이 더 부스트되어 E̸T 스펙트럼이 고역으로 이동하고, h→b̄b에서 생성된 b-jet 간의 ΔR이 더 작아지는 등 전형적인 운동학적 특징을 확인할 수 있었다. 이러한 분석은 MLP 분류기가 단순한 컷보다 이러한 복잡한 상관관계를 더 효과적으로 학습할 수 있음을 시사한다.

궁극적으로 이 연구는 HL-LHC 시대 RPV 초대칭 탐색 전략에 있어 기계 학습 기법의 실용적 가치를 입증하며, 특히 제한된 통계량에서 기존 방법론의 한계를 넘어설 수 있는 가능성을 제시한다는 점에서 의미가 크다.