Suche nach versetzten Signalen zur Lösung des Natürlichkeitsproblems

• Antragsteller: Professor Dr. Gregor Kasieczka
• Fachliche Zuordnung: Kern- und Elementarteilchenphysik, Quantenmechanik, Relativitätstheorie, Felder
• Förderung: Förderung seit 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 392528336

Das Standardmodell (SM) der Teilchenphysik führt drei der vier fundamentalen Naturkräfte auf ein einheitliches theoretisches Prinzip zurück. Experimentell wurde es vielfach erfolgreich überprüft, obwohl eine Vielzahl offener Fragen nahelegen, dass das SM kein vollständiges Modell der Natur sein kann.Besonders interessant ist das sogenannte Hierarchie- oder Natürlichkeitsproblem: mit 125 GeV ist die Masse des vor kurzem entdeckten Higgs-Bosons relativ klein, sie erfährt aber Quantenkorrekturen durch virtuelle Beiträge von anderen Teilchen. Diese Korrekturen wachsen schnell über die beobachtete Masse hinaus. Erklärungen hierfür wären entweder eine unnatürliche Feinabstimmung der Modellparameter oder die Existenz von neuen Teilchen, welche die Beiträge ausgleichen.Klassische Lösungen des Problems führen entweder eine neue Symmetrie ein (Supersymmetrie) oder nehmen an, dass das Higgs kein Elementarteilchen sondern zusammengesetzt ist. Beide Ansätze sagen neue Teilchen vorher, die in grosser Zahl am Large Hadron Collider (LHC) produziert werden können und daher inzwischen entdeckt sein sollten. Hierfür gibt es bisher aber keine Anzeichen.Neuerdings hat eine Klasse von “Hidden Valley” Theorien an Bedeutung gewonnen. Diese Theorien sagen Partnerteilchen für alle SM Teilchen voraus, die jedoch nicht direkt mit dem SM interagieren. Nur das Higgs Boson koppelt an seinen Partner und verbindet so das SM und den Partnersektor.Dies erlaubt die Produktion von Paaren von Partnerteilchen in Higgs-Zerfällen am LHC. Die Partnerteilchen bewegen sich unbeobachtet über makroskopische Distanzen und zerfallen dann an einem versetzten Vertex zu SM Teilchen. Wir schlagen eine Suche nach dieser eindrucksvollen versetzten Vertexsignatur mit dem Compact Muon Solenoid (CMS) Detektor und die Interpretation der Resultate in Hidden Valley und anderen Theorien mit ähnlicher Phänomenologie vor.Bisherige Rekonstruktionsalgorithmen sind weitgehend blind für diese Signatur. Wir benutzen Deep Learning Methoden, um Algorithmen zur Identifikation von versetzten Vertices im Abstand zwischen 0.1 mm und 5 m vom primären Interaktionsvertex zu entwickeln. In den nächsten Jahren wird sich die vom LHC gesammelte Menge an Daten um einen Faktor zehn erhöhen. Signaturen mit Paaren von versetzten Vertices sind weitgehend untergrundfrei und werden durch die zusätzliche Datenmenge stark an Sensitivität gewinnen. Zur optimalen Nutzung planen wir die Entwicklung von Triggerkriterien für den geplanten Ausbau des CMS Experiments.Suchen mit versetzten Vertices sind dringend notwendig um das Potential für neue Entdeckungen bei höchsten Energien sicherzustellen. Durch die Nutzung von Deep Learning Techniken werden wir zuvor unerreichte Sensitivität auf Signaturen an der Lebenszeit-Grenze gewinnen und so eine Vielzahl von Modellen testen, die potentiell das Hierarchieproblem lösen. Eine Entdeckung dieser Signatur hätte bahnbrechende Konsequenzen für unser fundamentales Verständnis der Natur.

• DFG-Verfahren: Emmy Noether-Nachwuchsgruppen