Nieuwe deeltjes die gevoelig zijn voor de sterke interactie kunnen in overvloed worden geproduceerd in de proton-protonbotsingen die worden gegenereerd door de Large Hadron Collider (LHC) - op voorwaarde dat ze niet te zwaar zijn. Deze deeltjes kunnen de partners zijn van gluonen en quarks voorspeld door supersymmetrie (SUSY), een voorgestelde uitbreiding van het standaardmodel van deeltjesfysica dat zijn voorspellende kracht zou uitbreiden om veel hogere energieën te omvatten. In de eenvoudigste scenario's, deze "gluinos" en "squarks" zouden in paren worden geproduceerd, en verval direct in quarks en een nieuw stabiel neutraal deeltje (de "neutralino"), die geen interactie zou hebben met de ATLAS-detector. Het neutralino zou het hoofdbestanddeel van donkere materie kunnen zijn.

De ATLAS-samenwerking is al sinds de begindagen van de LHC-operatie op zoek naar dergelijke processen. Natuurkundigen hebben botsingsgebeurtenissen bestudeerd met "jets" van hadronen, waar er een grote onbalans is in de impuls van deze jets in het vlak loodrecht op de botsende protonen ("ontbrekende transversale impuls, "E _t ^missen ). Dit ontbrekende momentum zou worden meegesleept door de niet-detecteerbare neutralinos. Tot dusver, ATLAS-zoekopdrachten hebben geleid tot steeds strengere beperkingen op de minimaal mogelijke massa's van squarks en gluino's.

Is het mogelijk om het beter te doen met meer data? De kans op het produceren van deze zware deeltjes neemt exponentieel af met hun massa, en dus gaat het herhalen van de eerdere analyses met een grotere dataset maar zo ver. Nieuw, geavanceerde methoden die helpen om een ​​SUSY-signaal beter te onderscheiden van de achtergrond Standaardmodelgebeurtenissen zijn nodig om deze analyses verder te brengen. Cruciale verbeteringen kunnen komen van het verhogen van de efficiëntie voor het selecteren van signaalgebeurtenissen, het verbeteren van de afwijzing van achtergrondprocessen, of op zoek naar minder verkende regio's.

Op het Lepton Photon Symposium in Toronto, Canada, de ATLAS-samenwerking presenteerde nieuwe resultaten die de voordelen illustreren van meer geavanceerde analysetechnieken, die werden gepionierd in andere zoekkanalen. De gevoeligheid van de nieuwe analyse is aanzienlijk verbeterd dankzij het gebruik van twee complementaire benaderingen.

Bij de eerste benadering aangeduid als de "multi-bin zoeken, " de gebeurtenissen worden ingedeeld in bakken gedefinieerd door twee waarneembare:de effectieve massa en de E _t ^missen betekenis. Deze karakteriseren de hoeveelheid energie die betrokken is bij de interactie (grote, als er zware deeltjes werden geproduceerd), en hoe onwaarschijnlijk de waargenomen E _t ^missen wordt veroorzaakt door de ontsnappende neutralinos in plaats van door een verkeerde meting van de straalenergieën. Met maximaal 24 orthogonale bakken tegelijk gedefinieerd, de zoektocht is gevoelig voor een grote verscheidenheid aan massa's gluino's, squarks en neutralinos (Figuur 1 (links)).

De tweede benadering, bekend als de "Boosted Decision Tree (BDT) -zoekopdracht, " gebruikt classificatie-algoritmen voor machine learning om een ​​potentieel signaal beter te kunnen onderscheiden. De BDT's zijn getraind met enkele van de kinematische eigenschappen van de jets + E _t ^missen laatste staten, voorspeld door de Monte Carlo-simulatie voor signaal- en achtergrondgebeurtenissen. Acht van dergelijke discriminanten worden gedefinieerd, elk geoptimaliseerd voor een ander gebied van de parameter en modelruimte (Figuur 1 (rechts)).

De nieuwe resultaten maakten gebruik van de volledige LHC Run 2-dataset, overeenkomend met een geïntegreerde lichtsterkte van 139 fb ^-1 , en vertoonden geen significant verschil tussen het aantal waargenomen gebeurtenissen en de voorspellingen van het standaardmodel in de signaalverrijkte regio's. Er werden daarom uitsluitingsgrenzen gesteld aan de massa's gluino's, squarks en neutralinos, uitgaande van verschillende scenario's. Enkele voorbeelden worden getoond in Afbeelding 2. Voor zoeken met meerdere bakken, de sterkte van alle bakken kan tegelijkertijd worden benut, het vergroten van de uitsluitingskracht van de analyse.