Transcript AA->HHシミュレーション （仮題）

PLCにおけるγγ->HH 反
応の検出可能性の研究
広島大学大学院 先端物質科学研究科
川田真一
1
PLC（Photon Linear Collider）計画

国際リニアコライダーILC（International Linear
Collider）のオプションとして、光子光子衝突型線
形加速器PLCが考案されている。
2
PLC（Photon Linear Collider）計画
Electrons
電子ビームとレーザーの逆コンプトン散乱を
用いて、高エネルギー光子を生成させる。
3
PLCの特徴

光子光子反応：終状態が2粒子



電子陽電子反応：終状態が3粒子
ヒッグスの自己結合定数の反応断面積に対する
寄与が異なる。
光子光子反応の方が、ヒッグス生成に必要とさ
れるエネルギーが小さくなる。
光子光子反応
電子陽電子反応
4
本研究の最終目標

ヒッグスの自己結合定数λを求めること
 
SM
標準模型における
自己結合定数
(1   )
標準模型からのずれを
表すパラメータ
5
光子光子衝突で生じる反応


シグナル：γγ->HH
多数のバックグラウンド


γγ->WW、γγ->ZZ、γγ->4fermion、etc...
データ解析によって除去しなくてはならない。
6
主なバックグラウンド

主なバックグラウンドと
して、反応断面積が大
きい以下の2つを考え
た（√s=270GeV）。


γγ->WW
γγ->ZZ
前田望 「光子光子衝突型線形加速器におけるγγ->HH反応の研究」（2009）
7
研究の経過

光子光子衝突反応シミュレーション


粒子衝突→素粒子生成→素粒子の崩壊→測定器で
検出
データ解析

測定器で得られたデータの解析を行う。



ジェットクラスタリング（JADEクラスタリング）
b-tagging（nsig法）
ニューラルネットワーク（NN）にデータを入力してパ
ターン認識を行う。

JETNET
前田望 「光子光子衝突型線形加速器におけるγγ->HH反応の研究」（2009）
8
NNの概略図
NN
イベントの一部
Event
教育
Event File
Weight File
パターン認識
全イベント
Output File
9
シミュレーション条件・指標




mHiggs=120GeVとする。
γγ->HH：5万イベント
γγ->WW：7500万イベント
γγ->ZZ：6万イベント
指標：Significance
σ≧3で十分除去
できたことを表す
 
約5年分の
イベント総数
N Signal
N Signal  N BG
10
結果：γγ->WW
HH
WW
NNout≧0.99
σ=3.18
十分に除去する
ことができた
11
結果：γγ->ZZ
HH
ZZ
NNout≧0.85
σ=1.39
バックグラウンドを
十分に除去できない
12
比較：γγ->ZZ with CheatJetFinder
HH
ZZ
NNout≧0.99
σ=5.04
原理的に除去可能
ジェットクラスタリングの精度を上げれば、
ZZバックグラウンドは除去できる。
13
シミュレーションその2ー条件


γγ->ZZ：100万イベントにした
NNを段階的に2回用いた


1回目：WWイベントのみを用いてWeight Fileを作成、
イベントを選別。
2回目：1回目で残ったWW+ZZイベントを用いて
Weight Fileを作成、イベントを選別。
14
シミュレーションその2ー結果
HH
WW+ZZ
NNout≧0.33
σ=1.16
バックグラウンドを
十分に除去できない
15
結論と課題・今後の方針


この解析手法を用いれば、mHiggs=120GeVのと
きγγ->WWバックグラウンドを十分に除去できる。
γγ->ZZバックグラウンドは残存する。


ジェットクラスタリングの精度向上によって、ZZバック
グラウンドは除去できることが期待される。
この解析手法について、論文にまとめて提出す
る方針である。
16
論文にまとめるには



γγ->4fermionなどの他のバックグラウンドを考
慮する必要がある。
γγ->ZZイベントの取り扱いの検討
NNの統計的独立性の検討
17
γγ->ZZイベントの取り扱い
現在の計算
・On Shell
γγ
ZZ
ZZ
4b
・Off Shell
実際の反応
γγ
・ヘリシティは固有値
Zを含む中間状態
・ヘリシティは未確定
4b
この2つの結果に違いがあるかどうか、
検討が必要。
18
NNの統計的独立性の検討
NN
イベントの一部
Event
教育
Event File
Weight File
パターン認識
全イベント
Output File
NNの教育に用いたイベントと、パターン認識
に用いたイベントは独立ではない。
→NNの教育の系統誤差の影響を調べる必要
がある。
19
検討方法
NN
イベントの一部
Event
教育
Event File No.1
Weight File
パターン認識
全イベント
Event File No.2
乱数だけが異なる2つのEvent Fileを
用意し、先程のOutput Fileと比較する。
Output File
→ある程度、NNの独立性を検討できる。
20
まとめ


今回用いた解析手法について、論文にまとめる
方針である。
そのために、検討すべき問題が数点ある。




その他のバックグラウンドの考慮
γγ->ZZイベントの取り扱い
NNの統計的独立性の検討
現在、上記の問題を解決するために行動中。
21