Exploring a novel signature of new physics at LHC - a cut-and-count analysis searching for soft displaced vertices with missing energy

Abstract

In dieser Arbeit wird eine datengestützte Analyse vorgestellt, welche auf die Erforschung einer neuartigen Signatur im CMS Experiment abzielt.Die untersuchte Signatur setzt sich zusammen aus Initial-State-Radiation (ISR), sehr niederenergetischen Spuren im Spurendetektor, die zu einem gemeinsamen versetzten Vertex zusammenlaufen, und fehlendem transversalem Impuls.Motivation für diese Analyse ist, dass frühere Studien, die sich mit versetzten Vertices und langlebigen Teilchen beschäftigen, eine Lücke im Parameterraum von Teilchenmasse und Massenaufspaltung unberücksichtigt lassen.Dieser Bereich soll in dieser Arbeit untersucht und die Sensitivität für „neue Physik“, insbesondere Kandidaten für Teilchen der Dunklen Materie, verbessert werden.Die Analyse fällt damit in den Bereich zwischen Methoden, die auf direkte Detektion beziehungsweise Detektion von instantan zerfallenden Kandidaten für Dunkle Materie abzielen.Die Ergebnisse, die im Rahmen dieser Cut-and-Count Studie erhalten wurden, dienen zusätzlich zum Vergleich für die laufende Soft Displaced Vertices Analyse, die neuartige Methoden maschinellen Lernens benutzt, um die Fähigkeiten zur Rekonstruktion von Vertices und die Unterscheidung zwischen Untergrund und Signal zu verbessern.In dieser Arbeit wird der gesamte Ablauf der Analyse, beginnend bei der Generation von Monte-Carlo (MC) Daten, bis hin zur Anwendung statistischer Methoden zur Berechnung von Grenzwerten für Wirkungsquerschnitte und Massen-Ausschlussbereiche beschrieben. Die Hintergrundbestimmung ist datengestützt und verwendet die ABCD-Methode. Die Verwendung dieser Methode wurde in Validierungs-Regionen untersucht und liefert eine präzise Abschätzung des Untergrundes.Für die Analyse wurden zwei verschiedene Signalmodelle herangezogen, die die Produktion von supersymmetrischen Teilchen und ihren Zerfall berücksichtigen. Das erste beinhaltet die Produktion von „Stop“-Quarks, das zweite ist ein C1N2 Modell, bei dem sowohl Charginos als auch Neutralinos produziert werden.Für beide Modelle wurde eine Vielzahl an Daten mit verschiedenen Teilchenmassen und Massenaufspaltungen simuliert, um einen weiten Bereich des Parameterraums abzudecken. Die Untersuchung der Daten des CMS-Experiments aus dem Jahr 2018 zeigt, dass die Verwendung dieser neuartigen Signatur zu einer sehr guten Sensitivität für beide getesteten Signalmodelle führt. Insbesondere für kleinere Massenaufspaltungen zwischen langlebigem Teilchen und leichtestem supersymmetrischen Teilchen kann eine deutliche Verbesserung im Vergleich zu existierenden Studien erreicht werden.Obwohl durch die Inklusion von sehr niederenergetischen Spuren im Detektor (bis 0.5 GeV) eine überwältigende Menge an Untergrund in die Analyse einfließt, zeigen die Ergebnisse, dass dieser durch effizientes Anwenden von verschiedenen Schnitten effizient reduziert werden kann.Zusätzlich zu diesen Resultaten wird im Rahmen dieser Arbeit auch eine Abschätzung der Verbesserungen, die durch Run III des LHC erwartet werden können, vorgenommen.Für diesen Teil der Arbeit wurden zwei zentral produzierte MC-Untergrund-Datensätze berücksichtigt, in denen Z und W Bosonen unter zusätzlicher Erzeugung von Jets produziert werden. Diese Abschätzung zeigt, dass eine ähnliche Analyse mit den gesamten Daten nach Abschluss von Run III noch bessere Sensitivität erreichen kann.

This thesis presents a cut-based, data-driven analysis using the ABCD method and focuses on a novel event signature within the CMS experiment. The explored signature relies on initial-state radiation (ISR), very soft tracks forming a common, measurably displaced vertex, and missing transverse momentum (MET) due to invisible objects in the event. This method is be- ing applied by the Soft Displaced Vertices group in an effort to bridge a gap that exists between previous studies related to long-lived particles (LLPs) and displaced vertices (DV). It falls into the intermediate regime between direct detection searches and prompt decay searches. The study’s findings and the production workflow serve as a benchmark for the Soft Displaced Vertices analysis, which is exploring advanced machine learning techniques to improve vertex finding and background-signal separation capabilities.We describe the steps that have been involved in this study from Monte Carlo (MC) event generation to the statistical methods that have been employed to obtain production cross section limits and 2D exclusion plots. The use of the ABCD method is well-motivated and has been justified in this study by calculating the closure for both data and MC background for the chosen regions. Two signal models, the bino-stop co-annihilation model and the C1N2 model were selected, and samples with varying mass parameters have been generated. In addition to calculating limits based on the 2018 data of the CMS detector, we have given an estimate for the expected improvements from Run III by calculating limits based on background contributions from two centrally produced MC datasets: The Zjets and Wjets datasets which consist of events where Z bosons and W bosons are produced in conjunction with jets.Our analysis has demonstrated that the large background caused by the in- clusion of very soft tracks (down to 0.5 GeV), without requiring any Standard Model objects in the event signature, can be effectively suppressed through a combination of preselection criteria and various well-tuned quality, kine- matic, and displacement cuts while retaining a significant number of signal events.Results from 2018 data show that we are able to achieve great sensitivity to both tested models across a broad parameter space of long-lived particle (LLP) mass and mass splittings. The projected results for Run III of the LHC, based on MC background samples at an integrated luminosity of 300 fb−1, indicate significant improvements, which are supported by the CMS detector’s anticipated enhanced tracking capabilities for Run III. Based on our findings, an implementation of a similar study for Run III is expected to achieve even higher sensitivity and potentially exclude even smaller mass gaps.