Hunting wino and higgsino dark matter at the muon collider with disappearing tracks
Notice bibliographique
Résumé
A bstract We study the capabilities of a muon collider experiment to detect disappearing tracks originating when a heavy and electrically charged long-lived particle decays via X + → Y + Z 0 , where X + and Z 0 are two almost mass degenerate new states and Y + is a charged Standard Model particle. The backgrounds induced by the in-flight decays of the muon beams (BIB) can create detector hit combinations that mimic long-lived particle signatures, making the search a daunting task. We design a simple strategy to tame the BIB, based on a detector-hit-level selection exploiting timing information and hit-to-hit correlations, followed by simple requirements on the quality of reconstructed tracks. Our strategy allows us to reduce the number of tracks from BIB to an average of 0.08 per event, hence being able to design a cut-and-count analysis that shows that it is possible to cover weak doublets and triplets with masses close to $$ \sqrt{s}/2 $$ <mml:math xmlns:mml="http://www.w3.org/1998/Math/MathML"> <mml:msqrt> <mml:mi>s</mml:mi> </mml:msqrt> <mml:mo>/</mml:mo> <mml:mn>2</mml:mn> </mml:math> in the 0.1–10 ns range. In particular, this implies that a 10 TeV muon collider is able to probe thermal MSSM higgsinos and thermal MSSM winos, thus rivaling the FCC-hh in that respect, and further enlarging the physics program of the muon collider into the territory of WIMP dark matter and long-lived signatures. We also provide parton-to-reconstructed level efficiency maps, allowing an estimation of the coverage of disappearing tracks at muon colliders for arbitrary models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».