Nuove particelle sensibili all'interazione forte potrebbero essere prodotte in abbondanza nelle collisioni protone-protone generate dal Large Hadron Collider (LHC), purché non siano troppo pesanti. Queste particelle potrebbero essere i partner di gluoni e quark previsti dalla supersimmetria (SUSY), una proposta di estensione del Modello Standard della fisica delle particelle che amplierebbe il suo potere predittivo per includere energie molto più elevate. Negli scenari più semplici, questi "gluinos" e "squark" sarebbero prodotti in coppia, e decadono direttamente in quark e una nuova particella neutra stabile (il "neutralino"), che non interagirebbe con il rivelatore ATLAS. Il neutralino potrebbe essere il principale costituente della materia oscura.

La collaborazione ATLAS ha cercato tali processi sin dai primi giorni di funzionamento di LHC. I fisici hanno studiato gli eventi di collisione con "getti" di adroni, dove c'è un grande squilibrio nei momenti di questi getti nel piano perpendicolare ai protoni in collisione ("momento trasverso mancante, " E _T ^Perdere ). Questo slancio mancante sarebbe stato portato via dai neutralinos non rilevabili. Finora, Le ricerche ATLAS hanno portato a vincoli sempre più stringenti sulle masse minime possibili di squark e gluini.

È possibile fare di meglio con più dati? La probabilità di produrre queste particelle pesanti diminuisce esponenzialmente con le loro masse, e quindi ripetere le analisi precedenti con un set di dati più ampio va solo fino a un certo punto. Nuovo, per portare avanti queste analisi sono necessari metodi sofisticati che aiutino a distinguere meglio un segnale SUSY dagli eventi in background del Modello Standard. Miglioramenti cruciali possono derivare dall'aumento dell'efficienza nella selezione degli eventi di segnale, migliorare il rifiuto dei processi in background, o cercando in regioni meno esplorate.

Al Lepton Photon Symposium di Toronto, Canada, la Collaborazione ATLAS ha presentato nuovi risultati che illustrano i benefici apportati da tecniche di analisi più avanzate, che sono stati pionieri in altri canali di ricerca. La sensibilità della nuova analisi è significativamente migliorata grazie all'utilizzo di due approcci complementari.

Nel primo approccio, denominata "ricerca multi-bin, " gli eventi sono classificati in bin definiti da due osservabili:la massa effettiva e la E _T ^Perdere significato. Questi caratterizzano la quantità di energia coinvolta nell'interazione (grande, se sono state prodotte particelle pesanti), e quanto improbabile l'E . osservato _T ^Perdere deve essere causato dai neutralinos in fuga piuttosto che dalla misurazione errata delle energie del getto. Con un massimo di 24 contenitori ortogonali definiti alla volta, la ricerca è sensibile ad una grande varietà di masse di gluini, squark e neutralinos (Figura 1 (a sinistra)).

Il secondo approccio, nota come ricerca "Boosted Decision Tree (BDT), " utilizza algoritmi di classificazione di apprendimento automatico per discriminare meglio un segnale potenziale. I BDT sono addestrati con alcune delle proprietà cinematiche dei getti + E _T ^Perdere stati finali, previsto dalla simulazione Monte Carlo per eventi di segnale e di fondo. Otto di questi discriminanti sono definiti, ciascuno ottimizzato per una diversa regione del parametro e dello spazio modello (Figura 1 (a destra)).

I nuovi risultati hanno utilizzato l'intero set di dati LHC Run 2, corrispondente a una luminosità integrata di 139 fb ^-1 , e non ha mostrato alcuna differenza significativa tra il numero di eventi osservati e le previsioni del Modello Standard nelle regioni arricchite di segnale. Sono stati quindi posti limiti di esclusione sulle masse di gluino, squark e neutralinos, ipotizzando scenari diversi. Alcuni esempi sono mostrati nella Figura 2. Per la ricerca multi-bin, la forza di tutti i contenitori può essere esercitata contemporaneamente, aumentare il potere di esclusione dell'analisi.