1. 项目概述在LHC上捕捉τ子的“幽灵之手”量子纠缠和贝尔非定域性这两个听起来像是量子信息科学专属的名词如今正被高能物理学家们搬到世界上能量最高的“显微镜”——大型强子对撞机LHC的舞台上进行检验。这并非跨界猎奇而是粒子物理研究向更深层次基础原理的必然探索。我们研究的核心对象是τ轻子对ττ-。τ子是电子的“重量级”兄弟质量约为质子的两倍它极不稳定产生后约在10^-13秒内就会衰变留下一串复杂的次级粒子“遗产”其中就包括难以直接探测的中微子。正是这种“看不见”的特性使得τ子对的自旋关联测量——这是检验量子纠缠和贝尔非域性的关键——成为一项极具挑战性的任务。传统上这类研究更青睐于顶夸克对t\bar{t}系统因为顶夸克衰变产物相对“干净”易于重建。然而我们的工作揭示通过Z玻色子共振峰约91 GeV附近产生的τ子对其实是一个被严重低估的“宝藏”系统。它的优势是多方面的首先Z→ττ的产生截面远大于t\bar{t这意味着在相同亮度下我们能收集到多得多的候选事例其次其理论不确定性更低最关键的是在Z玻色子峰附近τ子对的自旋关联非常强纠缠度和贝尔非定域性信号都足够显著使得我们能在同一个运动学相空间内同时研究这两种量子关联而无需像t\bar{t}研究那样需要分别分析阈值区域纠缠和boosted区域贝尔非定域性。本项研究的核心突破在于我们发展并应用了一套基于扩散模型的机器学习方法来重建τ子衰变中丢失的中微子动量。这直接解决了该测量中最大的实验瓶颈。我们结合了“衰变法”和“运动学法”两种互补的分析策略在完整的ATLAS Run 2数据集140 fb^-1模拟上以前所未有的精度提取了τ子对的自旋密度矩阵并最终以超过5σ的显著性观测到了贝尔不等式的违反。这标志着ττ-系统有望成为在LHC上研究量子信息现象的新基准平台。2. 核心物理与实验挑战解析2.1 为何选择ττ-作为量子探针要理解我们工作的价值首先得明白我们在测量什么以及为什么τ子对是个好选择。量子纠缠描述的是一个复合系统中各子系统间存在的、无法用经典概率描述的强关联。在粒子物理语境下一个自旋为1/2的粒子对如ττ-的产生过程其量子态可以用一个4×4的自旋密度矩阵ρ来描述。这个矩阵包含了所有信息对角元代表极化概率而非对角元则编码了量子相干性即纠缠。贝尔非定域性是比纠缠更强的量子关联形式。它意味着量子力学预言的关联强度超越了任何基于“局域隐变量”理论的极限。实验上我们通过构造特定的自旋关联算符组合如贝尔算符B并检验其是否超过经典极限通常为2来验证。对于τ子对其自旋关联矩阵Ciji, j n, r, k代表三个正交的自旋方向直接决定了纠缠度量如共生度ConcurrenceC和贝尔算符的值。τ子对相比其他系统如光子对、顶夸克对的独特优势在于其产生机制。在LHC上τ子对主要通过Drell-Yan过程产生夸克和反夸克湮灭产生一个虚光子或Z玻色子后者再衰变成ττ-。在Z玻色子共振峰附近该过程占主导且其自旋关联在标准模型下有清晰的预言。我们的目标就是通过精确测量这些关联来检验量子力学的基本预言并探寻可能的新物理偏差。2.2 实验测量的核心挑战中微子“丢失”与运动学重建τ子测量的最大困难源于其衰变模式。τ子可以衰变为轻子e或μ加中微子也可以衰变为强子如π介子、ρ介子加中微子。无论哪种模式每次衰变至少产生一个中微子ντ而中微子与探测器物质相互作用的截面极小会直接“逃逸”导致其动量信息完全丢失。在质子-质子对撞中沿着束流方向也有大量未探测的粒子因此我们只能精确测量横动量pT的不平衡即丢失横能量MET。为了重建完整的τ子对不变质量mττ和衰变角θτ——这两个是提取自旋关联的关键运动学变量——我们必须“猜出”中微子的四动量。这是一个典型的欠约束问题我们测量到的可见衰变产物的总横动量与探测到的MET之间存在约束关系但沿着束流方向的信息是缺失的。传统方法如“丢失质量计算器”MMC采用扫描和χ^2最小化的策略但计算效率低且在复杂事例中容易失败导致重建质量分辨率较差约20%并损失大量统计量。注意中微子重建的精度直接决定了自旋密度矩阵的测量精度。一个糟糕的重建会模糊掉原本尖锐的量子关联信号甚至引入无法控制的系统误差。因此开发一种高效、高精度的中微子重建算法是本分析成功的先决条件。3. 方法论革新基于扩散模型的机器学习重建面对传统MMC的瓶颈我们转向了生成式机器学习模型特别是扩散模型。其核心思想是学习从噪声数据到干净数据的逆扩散过程。在我们的应用中我们将“带噪声的数据”定义为已知的可见衰变产物四动量、MET以及τ子的已知质量将“干净的数据”定义为真实的中微子四动量。3.1 模型架构与训练策略我们构建了一个条件扩散模型。模型的输入条件Condition包括两个τ子可见衰变产物的四动量px, py, pz, E。探测器的丢失横动量向量MET_x, MET_y。τ子的质量作为一个固定参数。 模型的输出目标是两个中微子来自τ和τ-的四动量。训练数据来自完整的蒙特卡洛MC模拟包含了所有主要的τ子衰变道如ππ, πρ, ρρ, eπ, μπ, eρ, μρ以及主要的背景过程如W/Zjets, t\bar{t}。我们使用了一个基于U-Net架构的深度学习模型在数千万个模拟事例上进行训练。损失函数设计为预测中微子动量与真实值之间的均方误差同时加入了对整体运动学约束如总横动量守恒的惩罚项。3.2 性能评估与对比模型训练完成后我们在独立的测试样本上评估其性能。关键指标是与传统MMC方法的对比质量分辨率对于τ子对不变质量mττ扩散模型的重建分辨率达到约6%远优于MMC的20%。图14-17见附录清晰地展示了在各个衰变道中重建的中微子横动量pT、赝快度η和方位角φ与真实值的高度一致性。二维等高线图显示大部分数据点都紧密分布在对角线附近表明重建与真实值呈强线性相关。统计效率MMC方法在处理某些复杂事例时可能无法收敛导致事件被丢弃。我们的ML模型对所有输入事件都能给出一个物理合理的解有效统计量提升了近一个数量级。角度分布τ子衰变角θτ的分布在量子关联分析中至关重要。我们发现ML模型能够准确地复现cosθτ的分布而MMC重建的分布则存在明显的畸变这会直接扭曲提取的自旋关联。实操心得在训练扩散模型时我们发现对输入特征进行精心归一化至关重要。例如将动量分量除以一个特征能量尺度如100 GeV将角度归一化到[-π, π]区间可以显著提升训练的稳定性和收敛速度。此外在损失函数中加入对τ子质量约束的强正则项例如强制重建的τ子质量接近其PDG值能有效防止模型产生物理上不合理的解。4. 分析流程与事件选择有了可靠的中微子重建我们便可以构建完整的分析流程。目标是筛选出纯净的Z→ττ信号事例并最大限度地压低背景。4.1 衰变道分类与选择我们分析了七个主要的τ子衰变道根据可见产物的“棱数”prongness即带电径迹数和类型进行分类全强子道ππ (1p0n-1p0n), πρ (1p0n-1p1n), ρρ (1p1n-1p1n)。优势是分支比相对较高但强子喷注误认为τ子fake tau的背景也大。半轻子道eπ, μπ, eρ, μρ。优势是电子/μ子的识别纯度高能有效压低QCD多喷注背景。每个道都有其特有的自旋分析能力因子|κA × κB|这反映了该衰变道对τ子自旋方向的敏感度。例如ππ道的分析能力最强|κ|1而ρρ道则较弱|κ|0.17。在最终组合测量时各道的贡献会按其分析能力和统计误差的倒数即精度进行加权。4.2 信号区域定义与触发模拟我们定义了一个优化的信号区域SR来增强Z玻色子共振信号并提升信噪比不变质量窗80 GeV mττ 100 GeV。这个窗口围绕Z玻色子质量峰能有效捕捉共振产生的事例。衰变角选择0.6 2θτ/π 1.0。这个选择基于理论预期在Z峰附近该角度区间内量子关联信号最强。为了模拟真实实验条件我们引入了ATLAS探测器在2018年数据采集期间使用的触发条件双τ触发要求领头τ子pT 35 GeV次领头τ子pT 25 GeV。这对全强子道至关重要但也带来了显著的效率损失特别是对于低pT的单π衰变。τ轻子触发例如τμ子触发要求τ子pT 25 GeVμ子pT 14 GeV单μ子触发要求pT 26 GeV。类似地也有τ电子触发和单电子触发。表5和表6详细列出了在1 fb^-1积分亮度下应用不同选择条件后各衰变道的信号和背景事件产额。可以看到触发条件和信号区域选择能有效压制主要背景如t\bar{t}、Wjets使QCD背景变得可忽略不计为我们创造了一个低背景的分析环境。4.3 背景估计与系统误差处理背景主要来源于几个过程W→ℓν/τν、Z→ℓℓ、t\bar{t}以及QCD多喷注。其中QCD喷注误识别为τ子fake tau是实际实验中最大的背景来源之一。在本研究中我们通过严格的τ子鉴别如要求特定的棱数和运动学选择将模拟中的QCD背景压制到了可忽略的水平。但我们明确指出这是一个理想化的基准研究。在实际实验分析中必须采用数据驱动的方法如“假因子”法来估计fake tau背景这是未来实验应用的关键一步。系统误差的处理是保证测量可靠性的核心。我们将其分为两大类对象级系统误差通过修改重建对象的运动学来模拟探测器效应。这包括喷注能量标度JES±5%的变异。τ子能量标度TES±3%的变异。软MET成分在x和y方向各引入±1 GeV的变异以模拟探测器软能量沉积的涨落。归一化系统误差来源于积分亮度测量0.83%和理论截面计算的不确定性。对于主要背景过程由于模拟的挑战性我们采用了保守的50%归一化不确定性。对于ML模型本身我们通过从每个事件的多个预测样本中随机选取一个并评估预测中微子运动学的25%和75%分位数区间来量化其采样过程引入的不确定性。图4展示了在ℓρ道中软MET系统误差变化下重建的中微子运动学分布依然保持稳定证明了我们方法的鲁棒性。5. 自旋密度矩阵提取衰变法 vs. 运动学法提取完整的自旋密度矩阵即所有B±_i和Cij项是我们分析的核心。我们采用了两种互补的方法。5.1 衰变法基于模板的全局拟合这是一种模型无关的、最通用的方法。其核心思想是任何可观测的角分布都可以表示为不同极化态模板的线性组合。模板构建我们首先利用模拟生成一系列信号样本每个样本具有固定的极化态即预设好的B±_i和Cij值。其中一个样本是标准模型SM的预期其他样本则是在SM基础上对某些极化参数进行偏移后生成的。拟合过程我们将观测到的事例分布建模为SM模板和一个或多个极化模板的加权和。通过一个权重参数x来调节SM贡献的比例。通过改变x我们可以连续地改变有效的极化态和自旋关联矩阵。我们在15个不同的测量区域对相空间进行划分内为每个x值构建线性插值器从而得到该x值下在每个区域内的预期事例数。似然函数与拟合我们构建一个基于泊松统计的负对数似然函数NLL同时考虑蒙特卡洛样本的统计误差和由高斯先验约束的系统误差。使用Minuit算法同时拟合所有15个测量区域的参数最终得到最优的x值及其误差σ_x。由于B±_i和Cij与x是非线性关系我们通过误差传播得到这些物理量的非对称误差。5.2 运动学法基于解析公式的直接计算这种方法更为简洁它直接利用理论预言。在Z玻色子共振产生τ子对的近似下自旋关联矩阵Cij可以解析地表示为不变质量mττ和衰变角θτ的函数Cij f(mττ, θτ)。因此我们无需复杂的模板拟合只需在选定的信号区域内对每个事件计算其mττ和θτ然后代入理论公式f即可直接计算出该事件的Cij贡献。最终对所有事件取平均并考虑背景的加权贡献就能得到Cij的测量值。两种方法的比较衰变法优点是完全模型无关不依赖于特定的理论假设如纯Z玻色子交换因此对新物理更敏感。缺点是计算复杂对探测器效应和重建精度更敏感系统误差通常更大。运动学法优点是简单、快速对背景污染相对不敏感只要在Z峰附近有足够统计量。缺点是依赖于理论假设如果存在显著的新物理贡献或干涉效应该方法可能产生偏差。在我们的分析中两种方法得到的结果高度一致见表7这交叉验证了测量结果的可靠性也表明在Z峰附近标准模型的理论描述是足够精确的。6. 结果量子纠缠与贝尔非定域性的高精度测量基于ATLAS Run 2全数据集140 fb^-1的模拟我们得到了最终测量结果。图5汇总了所有结果。6.1 主要发现纠缠的观测我们测量了τ子对系统的共生度ConcurrenceC。在仅考虑统计误差时所有分析道的组合结果给出了极高的精度0.1%。即使加上所有系统误差使用衰变法含触发选择的最终组合测量精度也达到了6.5%。测量值C显著大于0明确证实了τ子对在产生时处于纠缠态。贝尔非定域性的发现我们构造了贝尔算符B并检验了贝尔不等式。结果显示贝尔不等式被以超过5σ的显著性违反。这是次在LHC上在ττ-系统中以如此高的显著性观测到贝尔非定域性。使用运动学法测量精度甚至优于0.1%。这确立了ττ-系统作为在粒子对撞机中研究量子非定域性的一个极佳平台。6.2 各衰变道的贡献图6的饼图展示了各衰变道对最终组合结果的贡献按方差的倒数加权。可以看到对于纠缠度量C贡献最大的是μρ道31.2%其次是eρ道14.8%和ρρ道14.5%。这反映了半轻子道和全强子道中ρ介子衰变道具有较好的综合性能分析能力与统计量的平衡。对于贝尔非定域性B贡献最大的是ρρ道30.1%其次是μρ道25.8%。这表明全强子道中的ρρ道尽管单个事例的分析能力较弱但由于其较大的分支比和经过触发选择后仍保留的足够统计量对贝尔非定域性测量起到了关键作用。6.3 系统误差的影响表8详细列出了各种系统误差来源对最终C和B测量值的相对影响以占总误差的百分比表示。主要结论如下主导误差源在所有情况下蒙特卡洛样本的有限统计量MC Statistics是最大的系统误差来源占比约29%-30%。这凸显了未来使用更大统计量模拟或更先进降方差技术的重要性。重要的实验误差软MET的不确定性Soft MET和喷注能量标度JES是次重要的贡献者尤其在组合分析中它们分别贡献了~7%和~8%的误差。这反映了测量对探测器整体能量测量精度的依赖。相对较小的误差τ子能量标度TES、亮度Luminosity以及信号/背景截面归一化误差的影响相对较小大多在1-3%量级。中微子采样ν Sampling的误差可以忽略不计0.1%证明了我们ML重建方法的稳定性。7. 讨论、结论与未来展望我们的研究系统论证了在LHC上利用ττ-系统进行量子纠缠和贝尔非定域性研究的可行性与优越性。与顶夸克对t\bar{t}系统的比较τ子对在多个方面更具优势。除了更高的产额和更低的理论不确定性外最关键的是在Z玻色子峰附近纠缠和贝尔非定域性信号同时存在于同一运动学区域。这使得我们可以用统一的分析框架进行测量而t\bar{t}系统则需要分别研究阈值区域用于纠缠和boosted区域用于贝尔非定域性分析更为复杂。我们的模拟显示对于贝尔非定域性测量ττ过程的事例产额比t\bar{t}过程高出两个数量级这为达到极高的统计显著性奠定了基础。机器学习重建的革命性作用本工作成功地将前沿的扩散模型应用于高能物理中最棘手的运动学重建问题之一。相比传统MMCML方法将质量分辨率从20%提升至6%保留了所有统计量并保持了在系统误差变化下的鲁棒性。这为未来在真实实验数据中执行此类精密测量扫清了一个主要技术障碍。迈向真实实验的挑战本研究是一个基于全模拟的“原理验证”。要应用于真实的ATLAS或CMS数据还需解决几个关键问题假τ子背景真实数据中QCD喷注误识别为τ子的背景远高于我们的模拟估计。需要开发并应用数据驱动的方法如“假因子”或“ABCD方法”来可靠地估计这一背景。触发策略优化高pT触发阈值虽然压制了背景也损失了大量信号。需要与实验组合作探索更低阈值的触发或基于跟踪的触发方案以进一步提高统计量。全 Run 2/3 数据分析将本分析框架应用于真实的ATLAS Run 2乃至未来的Run 3数据是下一步最直接的目标。这需要将我们的ML模型集成到实验的软件框架中并处理真实数据的所有复杂性。结论我们发展了一套完整、精密的分析方案结合先进的机器学习重建技术和两种互补的物理提取方法首次在模拟中证明利用LHC现有数据可以在ττ-系统中以超过5σ的显著性观测到贝尔非定域性。其测量精度对C达~6.5%对B达~2.1%设定了新的标准。鉴于其实验上的可行性、高统计量以及在同一相空间内同时研究纠缠和非定域性的能力我们提议将ττ-系统视为在LHC上进行量子信息研究的新基准系统。这项工作不仅为检验量子力学基础开辟了新途径也为在能量前沿探索可能的新物理效应如通过自旋关联揭示的新共振或耦合提供了强大的新工具。
基于扩散模型的τ子对自旋关联测量：LHC上量子纠缠与贝尔非定域性的新探针
1. 项目概述在LHC上捕捉τ子的“幽灵之手”量子纠缠和贝尔非定域性这两个听起来像是量子信息科学专属的名词如今正被高能物理学家们搬到世界上能量最高的“显微镜”——大型强子对撞机LHC的舞台上进行检验。这并非跨界猎奇而是粒子物理研究向更深层次基础原理的必然探索。我们研究的核心对象是τ轻子对ττ-。τ子是电子的“重量级”兄弟质量约为质子的两倍它极不稳定产生后约在10^-13秒内就会衰变留下一串复杂的次级粒子“遗产”其中就包括难以直接探测的中微子。正是这种“看不见”的特性使得τ子对的自旋关联测量——这是检验量子纠缠和贝尔非域性的关键——成为一项极具挑战性的任务。传统上这类研究更青睐于顶夸克对t\bar{t}系统因为顶夸克衰变产物相对“干净”易于重建。然而我们的工作揭示通过Z玻色子共振峰约91 GeV附近产生的τ子对其实是一个被严重低估的“宝藏”系统。它的优势是多方面的首先Z→ττ的产生截面远大于t\bar{t这意味着在相同亮度下我们能收集到多得多的候选事例其次其理论不确定性更低最关键的是在Z玻色子峰附近τ子对的自旋关联非常强纠缠度和贝尔非定域性信号都足够显著使得我们能在同一个运动学相空间内同时研究这两种量子关联而无需像t\bar{t}研究那样需要分别分析阈值区域纠缠和boosted区域贝尔非定域性。本项研究的核心突破在于我们发展并应用了一套基于扩散模型的机器学习方法来重建τ子衰变中丢失的中微子动量。这直接解决了该测量中最大的实验瓶颈。我们结合了“衰变法”和“运动学法”两种互补的分析策略在完整的ATLAS Run 2数据集140 fb^-1模拟上以前所未有的精度提取了τ子对的自旋密度矩阵并最终以超过5σ的显著性观测到了贝尔不等式的违反。这标志着ττ-系统有望成为在LHC上研究量子信息现象的新基准平台。2. 核心物理与实验挑战解析2.1 为何选择ττ-作为量子探针要理解我们工作的价值首先得明白我们在测量什么以及为什么τ子对是个好选择。量子纠缠描述的是一个复合系统中各子系统间存在的、无法用经典概率描述的强关联。在粒子物理语境下一个自旋为1/2的粒子对如ττ-的产生过程其量子态可以用一个4×4的自旋密度矩阵ρ来描述。这个矩阵包含了所有信息对角元代表极化概率而非对角元则编码了量子相干性即纠缠。贝尔非定域性是比纠缠更强的量子关联形式。它意味着量子力学预言的关联强度超越了任何基于“局域隐变量”理论的极限。实验上我们通过构造特定的自旋关联算符组合如贝尔算符B并检验其是否超过经典极限通常为2来验证。对于τ子对其自旋关联矩阵Ciji, j n, r, k代表三个正交的自旋方向直接决定了纠缠度量如共生度ConcurrenceC和贝尔算符的值。τ子对相比其他系统如光子对、顶夸克对的独特优势在于其产生机制。在LHC上τ子对主要通过Drell-Yan过程产生夸克和反夸克湮灭产生一个虚光子或Z玻色子后者再衰变成ττ-。在Z玻色子共振峰附近该过程占主导且其自旋关联在标准模型下有清晰的预言。我们的目标就是通过精确测量这些关联来检验量子力学的基本预言并探寻可能的新物理偏差。2.2 实验测量的核心挑战中微子“丢失”与运动学重建τ子测量的最大困难源于其衰变模式。τ子可以衰变为轻子e或μ加中微子也可以衰变为强子如π介子、ρ介子加中微子。无论哪种模式每次衰变至少产生一个中微子ντ而中微子与探测器物质相互作用的截面极小会直接“逃逸”导致其动量信息完全丢失。在质子-质子对撞中沿着束流方向也有大量未探测的粒子因此我们只能精确测量横动量pT的不平衡即丢失横能量MET。为了重建完整的τ子对不变质量mττ和衰变角θτ——这两个是提取自旋关联的关键运动学变量——我们必须“猜出”中微子的四动量。这是一个典型的欠约束问题我们测量到的可见衰变产物的总横动量与探测到的MET之间存在约束关系但沿着束流方向的信息是缺失的。传统方法如“丢失质量计算器”MMC采用扫描和χ^2最小化的策略但计算效率低且在复杂事例中容易失败导致重建质量分辨率较差约20%并损失大量统计量。注意中微子重建的精度直接决定了自旋密度矩阵的测量精度。一个糟糕的重建会模糊掉原本尖锐的量子关联信号甚至引入无法控制的系统误差。因此开发一种高效、高精度的中微子重建算法是本分析成功的先决条件。3. 方法论革新基于扩散模型的机器学习重建面对传统MMC的瓶颈我们转向了生成式机器学习模型特别是扩散模型。其核心思想是学习从噪声数据到干净数据的逆扩散过程。在我们的应用中我们将“带噪声的数据”定义为已知的可见衰变产物四动量、MET以及τ子的已知质量将“干净的数据”定义为真实的中微子四动量。3.1 模型架构与训练策略我们构建了一个条件扩散模型。模型的输入条件Condition包括两个τ子可见衰变产物的四动量px, py, pz, E。探测器的丢失横动量向量MET_x, MET_y。τ子的质量作为一个固定参数。 模型的输出目标是两个中微子来自τ和τ-的四动量。训练数据来自完整的蒙特卡洛MC模拟包含了所有主要的τ子衰变道如ππ, πρ, ρρ, eπ, μπ, eρ, μρ以及主要的背景过程如W/Zjets, t\bar{t}。我们使用了一个基于U-Net架构的深度学习模型在数千万个模拟事例上进行训练。损失函数设计为预测中微子动量与真实值之间的均方误差同时加入了对整体运动学约束如总横动量守恒的惩罚项。3.2 性能评估与对比模型训练完成后我们在独立的测试样本上评估其性能。关键指标是与传统MMC方法的对比质量分辨率对于τ子对不变质量mττ扩散模型的重建分辨率达到约6%远优于MMC的20%。图14-17见附录清晰地展示了在各个衰变道中重建的中微子横动量pT、赝快度η和方位角φ与真实值的高度一致性。二维等高线图显示大部分数据点都紧密分布在对角线附近表明重建与真实值呈强线性相关。统计效率MMC方法在处理某些复杂事例时可能无法收敛导致事件被丢弃。我们的ML模型对所有输入事件都能给出一个物理合理的解有效统计量提升了近一个数量级。角度分布τ子衰变角θτ的分布在量子关联分析中至关重要。我们发现ML模型能够准确地复现cosθτ的分布而MMC重建的分布则存在明显的畸变这会直接扭曲提取的自旋关联。实操心得在训练扩散模型时我们发现对输入特征进行精心归一化至关重要。例如将动量分量除以一个特征能量尺度如100 GeV将角度归一化到[-π, π]区间可以显著提升训练的稳定性和收敛速度。此外在损失函数中加入对τ子质量约束的强正则项例如强制重建的τ子质量接近其PDG值能有效防止模型产生物理上不合理的解。4. 分析流程与事件选择有了可靠的中微子重建我们便可以构建完整的分析流程。目标是筛选出纯净的Z→ττ信号事例并最大限度地压低背景。4.1 衰变道分类与选择我们分析了七个主要的τ子衰变道根据可见产物的“棱数”prongness即带电径迹数和类型进行分类全强子道ππ (1p0n-1p0n), πρ (1p0n-1p1n), ρρ (1p1n-1p1n)。优势是分支比相对较高但强子喷注误认为τ子fake tau的背景也大。半轻子道eπ, μπ, eρ, μρ。优势是电子/μ子的识别纯度高能有效压低QCD多喷注背景。每个道都有其特有的自旋分析能力因子|κA × κB|这反映了该衰变道对τ子自旋方向的敏感度。例如ππ道的分析能力最强|κ|1而ρρ道则较弱|κ|0.17。在最终组合测量时各道的贡献会按其分析能力和统计误差的倒数即精度进行加权。4.2 信号区域定义与触发模拟我们定义了一个优化的信号区域SR来增强Z玻色子共振信号并提升信噪比不变质量窗80 GeV mττ 100 GeV。这个窗口围绕Z玻色子质量峰能有效捕捉共振产生的事例。衰变角选择0.6 2θτ/π 1.0。这个选择基于理论预期在Z峰附近该角度区间内量子关联信号最强。为了模拟真实实验条件我们引入了ATLAS探测器在2018年数据采集期间使用的触发条件双τ触发要求领头τ子pT 35 GeV次领头τ子pT 25 GeV。这对全强子道至关重要但也带来了显著的效率损失特别是对于低pT的单π衰变。τ轻子触发例如τμ子触发要求τ子pT 25 GeVμ子pT 14 GeV单μ子触发要求pT 26 GeV。类似地也有τ电子触发和单电子触发。表5和表6详细列出了在1 fb^-1积分亮度下应用不同选择条件后各衰变道的信号和背景事件产额。可以看到触发条件和信号区域选择能有效压制主要背景如t\bar{t}、Wjets使QCD背景变得可忽略不计为我们创造了一个低背景的分析环境。4.3 背景估计与系统误差处理背景主要来源于几个过程W→ℓν/τν、Z→ℓℓ、t\bar{t}以及QCD多喷注。其中QCD喷注误识别为τ子fake tau是实际实验中最大的背景来源之一。在本研究中我们通过严格的τ子鉴别如要求特定的棱数和运动学选择将模拟中的QCD背景压制到了可忽略的水平。但我们明确指出这是一个理想化的基准研究。在实际实验分析中必须采用数据驱动的方法如“假因子”法来估计fake tau背景这是未来实验应用的关键一步。系统误差的处理是保证测量可靠性的核心。我们将其分为两大类对象级系统误差通过修改重建对象的运动学来模拟探测器效应。这包括喷注能量标度JES±5%的变异。τ子能量标度TES±3%的变异。软MET成分在x和y方向各引入±1 GeV的变异以模拟探测器软能量沉积的涨落。归一化系统误差来源于积分亮度测量0.83%和理论截面计算的不确定性。对于主要背景过程由于模拟的挑战性我们采用了保守的50%归一化不确定性。对于ML模型本身我们通过从每个事件的多个预测样本中随机选取一个并评估预测中微子运动学的25%和75%分位数区间来量化其采样过程引入的不确定性。图4展示了在ℓρ道中软MET系统误差变化下重建的中微子运动学分布依然保持稳定证明了我们方法的鲁棒性。5. 自旋密度矩阵提取衰变法 vs. 运动学法提取完整的自旋密度矩阵即所有B±_i和Cij项是我们分析的核心。我们采用了两种互补的方法。5.1 衰变法基于模板的全局拟合这是一种模型无关的、最通用的方法。其核心思想是任何可观测的角分布都可以表示为不同极化态模板的线性组合。模板构建我们首先利用模拟生成一系列信号样本每个样本具有固定的极化态即预设好的B±_i和Cij值。其中一个样本是标准模型SM的预期其他样本则是在SM基础上对某些极化参数进行偏移后生成的。拟合过程我们将观测到的事例分布建模为SM模板和一个或多个极化模板的加权和。通过一个权重参数x来调节SM贡献的比例。通过改变x我们可以连续地改变有效的极化态和自旋关联矩阵。我们在15个不同的测量区域对相空间进行划分内为每个x值构建线性插值器从而得到该x值下在每个区域内的预期事例数。似然函数与拟合我们构建一个基于泊松统计的负对数似然函数NLL同时考虑蒙特卡洛样本的统计误差和由高斯先验约束的系统误差。使用Minuit算法同时拟合所有15个测量区域的参数最终得到最优的x值及其误差σ_x。由于B±_i和Cij与x是非线性关系我们通过误差传播得到这些物理量的非对称误差。5.2 运动学法基于解析公式的直接计算这种方法更为简洁它直接利用理论预言。在Z玻色子共振产生τ子对的近似下自旋关联矩阵Cij可以解析地表示为不变质量mττ和衰变角θτ的函数Cij f(mττ, θτ)。因此我们无需复杂的模板拟合只需在选定的信号区域内对每个事件计算其mττ和θτ然后代入理论公式f即可直接计算出该事件的Cij贡献。最终对所有事件取平均并考虑背景的加权贡献就能得到Cij的测量值。两种方法的比较衰变法优点是完全模型无关不依赖于特定的理论假设如纯Z玻色子交换因此对新物理更敏感。缺点是计算复杂对探测器效应和重建精度更敏感系统误差通常更大。运动学法优点是简单、快速对背景污染相对不敏感只要在Z峰附近有足够统计量。缺点是依赖于理论假设如果存在显著的新物理贡献或干涉效应该方法可能产生偏差。在我们的分析中两种方法得到的结果高度一致见表7这交叉验证了测量结果的可靠性也表明在Z峰附近标准模型的理论描述是足够精确的。6. 结果量子纠缠与贝尔非定域性的高精度测量基于ATLAS Run 2全数据集140 fb^-1的模拟我们得到了最终测量结果。图5汇总了所有结果。6.1 主要发现纠缠的观测我们测量了τ子对系统的共生度ConcurrenceC。在仅考虑统计误差时所有分析道的组合结果给出了极高的精度0.1%。即使加上所有系统误差使用衰变法含触发选择的最终组合测量精度也达到了6.5%。测量值C显著大于0明确证实了τ子对在产生时处于纠缠态。贝尔非定域性的发现我们构造了贝尔算符B并检验了贝尔不等式。结果显示贝尔不等式被以超过5σ的显著性违反。这是次在LHC上在ττ-系统中以如此高的显著性观测到贝尔非定域性。使用运动学法测量精度甚至优于0.1%。这确立了ττ-系统作为在粒子对撞机中研究量子非定域性的一个极佳平台。6.2 各衰变道的贡献图6的饼图展示了各衰变道对最终组合结果的贡献按方差的倒数加权。可以看到对于纠缠度量C贡献最大的是μρ道31.2%其次是eρ道14.8%和ρρ道14.5%。这反映了半轻子道和全强子道中ρ介子衰变道具有较好的综合性能分析能力与统计量的平衡。对于贝尔非定域性B贡献最大的是ρρ道30.1%其次是μρ道25.8%。这表明全强子道中的ρρ道尽管单个事例的分析能力较弱但由于其较大的分支比和经过触发选择后仍保留的足够统计量对贝尔非定域性测量起到了关键作用。6.3 系统误差的影响表8详细列出了各种系统误差来源对最终C和B测量值的相对影响以占总误差的百分比表示。主要结论如下主导误差源在所有情况下蒙特卡洛样本的有限统计量MC Statistics是最大的系统误差来源占比约29%-30%。这凸显了未来使用更大统计量模拟或更先进降方差技术的重要性。重要的实验误差软MET的不确定性Soft MET和喷注能量标度JES是次重要的贡献者尤其在组合分析中它们分别贡献了~7%和~8%的误差。这反映了测量对探测器整体能量测量精度的依赖。相对较小的误差τ子能量标度TES、亮度Luminosity以及信号/背景截面归一化误差的影响相对较小大多在1-3%量级。中微子采样ν Sampling的误差可以忽略不计0.1%证明了我们ML重建方法的稳定性。7. 讨论、结论与未来展望我们的研究系统论证了在LHC上利用ττ-系统进行量子纠缠和贝尔非定域性研究的可行性与优越性。与顶夸克对t\bar{t}系统的比较τ子对在多个方面更具优势。除了更高的产额和更低的理论不确定性外最关键的是在Z玻色子峰附近纠缠和贝尔非定域性信号同时存在于同一运动学区域。这使得我们可以用统一的分析框架进行测量而t\bar{t}系统则需要分别研究阈值区域用于纠缠和boosted区域用于贝尔非定域性分析更为复杂。我们的模拟显示对于贝尔非定域性测量ττ过程的事例产额比t\bar{t}过程高出两个数量级这为达到极高的统计显著性奠定了基础。机器学习重建的革命性作用本工作成功地将前沿的扩散模型应用于高能物理中最棘手的运动学重建问题之一。相比传统MMCML方法将质量分辨率从20%提升至6%保留了所有统计量并保持了在系统误差变化下的鲁棒性。这为未来在真实实验数据中执行此类精密测量扫清了一个主要技术障碍。迈向真实实验的挑战本研究是一个基于全模拟的“原理验证”。要应用于真实的ATLAS或CMS数据还需解决几个关键问题假τ子背景真实数据中QCD喷注误识别为τ子的背景远高于我们的模拟估计。需要开发并应用数据驱动的方法如“假因子”或“ABCD方法”来可靠地估计这一背景。触发策略优化高pT触发阈值虽然压制了背景也损失了大量信号。需要与实验组合作探索更低阈值的触发或基于跟踪的触发方案以进一步提高统计量。全 Run 2/3 数据分析将本分析框架应用于真实的ATLAS Run 2乃至未来的Run 3数据是下一步最直接的目标。这需要将我们的ML模型集成到实验的软件框架中并处理真实数据的所有复杂性。结论我们发展了一套完整、精密的分析方案结合先进的机器学习重建技术和两种互补的物理提取方法首次在模拟中证明利用LHC现有数据可以在ττ-系统中以超过5σ的显著性观测到贝尔非定域性。其测量精度对C达~6.5%对B达~2.1%设定了新的标准。鉴于其实验上的可行性、高统计量以及在同一相空间内同时研究纠缠和非定域性的能力我们提议将ττ-系统视为在LHC上进行量子信息研究的新基准系统。这项工作不仅为检验量子力学基础开辟了新途径也为在能量前沿探索可能的新物理效应如通过自旋关联揭示的新共振或耦合提供了强大的新工具。
