LHC-ATLAS実験におけるLHC-ATLAS実験における H→!!→lepton-hadron...

LHC-ATLAS実験における

H→!!→lepton-hadron 崩壊チャンネルを用いたヒッグス粒子の探索

早大理工、KEKA、東大素セB

桜井雄基、中村浩二A、塙慶太B、寄田浩平

日本物理学会2013年秋季大会高知大学　朝倉キャンパス　9月21日

講演番号: 21aSD-6　

09/21/2013 日本物理学会2013年秋季大会

[GeV]HM100 150 200 250

BR

[pb]

× m

-410

-310

-210

-110

1

10

LHC

HIGG

S XS

WG

2012

= 8TeVs

µl = e, oi,µi,ei = i

q = udscb

bbi± lAWH

bb-l+ lAZH

b ttbAttH

-o+o AVBF H

-o+o

aa

qqi± lAWW

i-li+ lAWW

qq-l+ lAZZ

ii-l+ lAZZ -l+l-l+ lAZZ

導入

2

ヒッグス粒子を125GeV付近に発見 !性質測定に解析が移行 (質量、スピン、結合定数)→ フェルミオン過程での単独発見最も探索感度の高いH→!!→lepton-hadronに着目早期にレプトン結合が検証できる唯一のチャンネル !!

2012年8TeV、ATLAS実験で取得された全データを使用し、多変量解析によって発見感度を向上させたH→!!→lepton-hadronチャンネル最新結果。

[GeV]Hm100 110 120 130 140 150

SMm/m 95

% C

L Lim

it on

0

2

4

6

8

10

12hado lepo AH

sCLObserved

sCLExpected m 2±

m 1±

ATLAS Preliminary = 7 TeVs, -1 L dt = 4.6 fb0 = 8 TeVs, -1 L dt = 13.0 fb0

H→ττ→lepton-hadron 最新結果 (2012年11月)

生成断面積上限値@125GeV < 1.7(exp)×σSM (13fb-1)

全データ20fb-1に外挿 : 1.7 → 1.4 (信号優位度< 2σ)

“兆候(3σ)”を捉えるためには多変量解析による発見感度の最大化が必須

本発表内容

125GeV

1.7×σSM @125GeV(13fb-1)


) [GeV]o (l,TM0 20 40 60 80 100 120 140

Arbi

trary

Uni

t

0

0.01

0.02

0.03

0.04

0.05

0.06

0.07

0.08

0.09

0.1

(125GeV)ooAHooAZ

W+jetsll/Top/diboson)AOther(Z

ATLAS work in progress

= 8TeVs

H → τlepτhad 解析概要

信号事象(H→τlepτhad)トポロジー- 終状態にハドロン崩壊した ! 粒子, レプトン(電子/µ粒子)　- ! 粒子, レプトン間に消失横運動量

jet jet

!h "(e/#)

p p

ETmiss

$!$!

$"チャンネル分岐比特徴

H→ !!→" "+4$ 12% Clean

H→ !!→"!h+3$ 42% Large BR. + Clean

H→ !!→!h!h+2$ 46% Large BR.

21SD-5 森永氏

20pSM-5三谷氏(トリガー)

本講演

事象選択 1. データ取得トリガー :レプトントリガーレプトン + タウトリガー (低運動量レプトンをカバー)

2. 各粒子選別 : pT(e) > 20GeV / pT(µ) > 17GeV / pT(!) > 20GeV　

3. 電荷異符号のレプトンと!粒子4. MT(lepton,ETmiss) < 70GeV　レプトンと消失横運動量の不変横方向質量

3

W+jets事象

信号領域

τ の崩壊に応じて3種類の終状態

ヒッグス事象


カテゴリー選別多変量解析による分離を前提とし、信号過程の特徴を生かした最低限の選別

VBF トポロジーに即した事象選択VBF過程は特徴的に前後方に高運動量ジェットを生成。→ |ηj1 - ηj2| > 3.0の高運動量２ジェット

Boost トポロジーに対する事象選択ヒッグス粒子がブーストする過程は背景事象との分離能力が高い。→

q

(’)q

q

(’)q

W/Z

W/Z

Hlepo

hado

VBF過程

g

g

g

g

f

f

Hlepo

hado

Gluon Fusion 過程

Preselection

VBF Boosted 1-jet 0-jet

)’(q

q

VV

Hlepo

hado

q

)’(q

W/Z随伴過程

その他の事象選択ジェットの数(Njet)に依って背景事象が変化する。→ Njet = 0 / Njet ≥ 1 に選別

4


BDT Score-1 -0.5 0 0.5 1

Entri

es (a

.u)

0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

0.8

0.9Signal TrainingBackground TrainingSignal TestingBackground Testing


v.s BackgroundooAVBF H

Background-like Signal-like

)hoR(l,6

0 1 2 3 4 5 6

Even

ts

0

500

1000

1500

2000

2500

data 2012ooAZ

llAZTopWW/WZ/ZZ

oFake 100×H(125)


= 8TeVs, -1 L dt = 20.3fb0Boosted

channelhado + e hado µ

MMC [GeV]0 50 100 150 200 250 300

Even

ts

02000400060008000

1000012000140001600018000200002200024000

data 2012ooAZ

llAZTopWW/WZ/ZZW+jetsSS data

200×H(125)


= 8TeVs, -1 L dt = 20.3fb0H+1-jet


)2

(jd ×) 1

(jd-15 -10 -5 0 5 10

Even

ts

0

200

400

600

800

1000

data 2012ooAZ

llAZTopWW/WZ/ZZ

oFake 100×H(125)


= 8TeVs, -1 L dt = 20.3fb0H+2-jet VBF


M(j,j) [GeV]0 200 400 600 800 1000 1200 1400 1600 1800 2000

Even

ts

0

100

200

300

400

500

600

700

800

900

data 2012ooAZ

llAZTopWW/WZ/ZZ

oFake 100×H(125)




入力変数・BDT出力分布

5

BDT 入力変数表

多変量解析の分類機 : BDT (Boosted Decision Tree)４カテゴリー独立に入力変数を最適化、トレーニング

2ジェットの不変質量 (VBF) 2ジェット η の積 (VBF)

レプトン、τ 粒子間の距離 (Boosted) M(τ,τ) (1jet)

入力変数例

信号×100信号×100

信号×100 信号×200

BDT トレーニング結果(VBF)


Even

ts

0

10000

20000

30000

40000

50000

60000

70000

80000

90000

data 2012ooAZ


50×H(125)


= 8TeVs, -1 L dt = 20.3fb0Preselection


[GeV]TM0 20 40 60 80 100 120 140 160 180 200

Dat

a/M

odel

0.60.8

11.21.4

Wコントロール領域

同符号(SS)実データ

W+jets (OS-SS)事象

信号領域

背景事象の見積もりZ → ττ 事象Embedding Method　→ 実データ中からZ→µµ事象を選別し、µを!に置き換える

τ 誤同定事象 (QCD/W+jets事象) Same Sign Method 　 → 実データ同符号事象による見積もりQCD事象 : OS事象数 ≈ SS事象数

OS/SSの割合をコントロール領域で~10%の精度で測定

W+jets事象 :Wボソン/ジェット間に電荷の相関 ( OS > SS ) → 超過分(OS-SS)をW+jetsコントロール領域から算出　

6

Z→"" / ttbar / diboson 事象MCシミュレーションによる見積もり実データのコントロール領域によって規格化、及びチェック


[GeV]T

po

20 40 60 80 100 120 140 160 180 200

Fake

Fac

tor

0

0.005

0.01

0.015

0.02

0.025

0.03

0.035

0.04

0.045

W+jets (Data)

QCD (Data)


= 8TeVs, -1 L dt = 20.3fb03prong

τ 誤同定事象の見積もりVBF/Boosted(低統計)領域ではデータ取得量の制限からSS Methodでは統計的に不十分→ 統計量を~10倍有する Fake Factor Methodによる見積もり

7

Fake Factor信号領域の事象数

✓ 実データのW+jets,QCDコントロール領域から　Fake Factor を算出 (運動量、飛跡数、ジェット数に依存)

✓ W+jetsはクォーク由来、QCDはgluon由来が多い✓ 中央値はW+jetsとQCD事象の割合によって決定

MT(l,!)

レプトン孤立度

W+jets コントロール領域

QCD コントロール領域

信号領域

! 同定されなかった事象数信号領域と同じ事象選択

d

g

u

-W

u

(-1)-l

li

g

)32u(+


BDT Score-1 -0.5 0 0.5 1

Even

ts

0

10

20

30

40

50

60

70

80

90

100


= 8TeVs, -1 L dt = 20.3fb0

VBF category

Same Sign MethodFake Factor Method

τ 誤同定事象の見積もり

8

Even

ts

0

100

200

300

400

500

600

700

data 2012ooAZ

llAZTopWW/WZ/ZZ

oFake 10×H(125)




) [GeV]ho(Tp

0 10 20 30 40 50 60 70 80 90 100

Dat

a/M

odel

0.60.8

11.21.4

Same Sign

τ 運動量分布

実データ同符号(Same Sign) 事象を用いてFake Factor Methodの正当性を確認- SS事象は主に! 誤同定事象 (W+jets/QCD事象)

- データをよく再現している

Fake Factor Methodの統計的優位性を検証- SS Method に比べ FF Methodが!誤同定事象を統計的に安定して見積もれている- 高感度領域(BDT出力値>0.5)での統計誤差 :16.9 % (SameSign) → 5.7% (FakeFactor)

BDT出力分布 (τ 誤同定事象)

系統誤差の評価- W+jets/QCDコントロール領域から算出した! 誤同定率を系統誤差として採用 : + 40% / - 20%

- 誤同定! 粒子がクォーク由来かグルーオン由来かによるフレーバーの不定性


Even

ts

1

10

210

310

410

data 2012ooAZ

llAZWW/WZ/ZZTop

oFake 10×VBFH(125)

10×ggH(125) 10×WH(125)

10×ZH(125)




BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

多変量解析　分類結果

9

Even

ts

1

10

210

310

410

510

data 2012ooAZ

llAZWW/WZ/ZZTop

oFake 50×VBFH(125)

50×ggH(125) 50×WH(125)

50×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0Boosted


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

Even

ts

1

10

210

310

410

510

610

data 2012ooAZ

llAZW+jetsWW/WZ/ZZTopSS data

50×VBFH(125) 50×ggH(125) 50×WH(125)

50×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0H+0-jet


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

0-jet Boosted

VBF

信号×50 信号×50

信号×10

Even

ts

1

10

210

310

410

510

610

data 2012ooAZ


50×VBFH(125) 50×ggH(125) 50×WH(125)

50×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0H+1-jet


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

1-jet

信号×50

すべての系統誤差を考慮し、BDT分類分布に対してヒッグス粒子の断面積上限値、及びSignificanceの予想値を算出

信号事象と背景事象が効率よく分類されている。低感度領域はコントロール領域として実データを確認

コントロール領域


Even

ts

0

10000

20000

30000

40000

50000

60000

70000

NOMINALm+1 m-1


= 8TeVs, -1 L dt = 20.3fb0Embedding Method

SampleooAZ0jet category

BDTScore-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

syst

. / n

om.

0.9

0.95

1

1.05

1.1

Even

ts

0

10000

20000

30000

40000

50000

60000

70000

NOMINALm+1 m-1


= 8TeVs, -1 L dt = 20.3fb0Tau Energy Scale

SampleooAZ0jet category

BDTScore-1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1

syst

. / n

om.

0.60.70.80.9

11.11.21.31.4

BDT出力分布に対する系統誤差

系統誤差

10

VBF categoryVBF categoryVBF categoryVBF categoryVBF category

主系統誤差 VBF Z→!! Fake Other

! Energy Scale 1.5% 2.5% - 2~5%

Jet Energy Scale 5.7% - - 5~10%

Luminosity 2.8% - - 2.8%

Theory 9.0% - - 4~8%

Fake Factor - - 40% -

事象数の見積もりに対する系統誤差

- 各カテゴリー、事象過程に応じて系統誤差を評価- カットベースの解析と違い、事象選択が最低限なので　BDT出力分布に対する不定性が重要例) ! Energy Scale : 事象数 ~2% → 高感度領域 ~20%

- すべての系統誤差を考慮し、高感度領域における信号　の有無を検証。

τ Energy Scale

Embedding Method

~20%


[GeV]Hm100 110 120 130 140 150

)ooA

BR

(H×

(SM

)m

(95%

C.L

. Lim

it)/

m 1

10

210 ATLAS work in progress

= 8TeVs, -1 L dt = 20.3fb0 channel

hoµ + hoe

exp. 0jet

exp. 1jet

exp. boost

exp. vbf

exp. comb

m1

m2

[GeV]Hm100 110 120 130 140 150

0Lo

cal p

-410

-310

-210

-110

1

10

210

m1

m2

m3



hoµ + hoe

exp. 0jetexp. 1jetexp. boostexp. vbfexp. comb

期待される上限値 / 感度

11

解析進行中のため断面積上限値、Significanceの期待値を算出。生成断面積上限値 95%CL : ~ 0.7 × σSM @ MH = 125GeV Significance : ~ 2.4 σ @ MH = 125GeV 　3チャンネル(lep-lep/had-had)を統合 → ~ 3.6 σ

SM信号が存在する場合、H→ττ単独で兆候 (Evidence)を捉えられる予想値。


まとめ • 展望

12

まとめ2012年ATLAS実験で取得された全8TeVデータ20.3fb-1を使用し、H→!!→lepton-hadron崩壊チャンネルを用いたヒッグス粒子の探索を行っている。

今回の解析での期待値生成断面積上限値 : ~ 0.7 × σSM @ MH = 125GeV Significance : ~ 2.4 σ @ MH = 125GeV 　

3チャンネル(lep-lep/had-had)を統合することで ~3.6 σ が期待される。

展望- 多変量解析の改善 : カテゴリー • 入力変数等- Fake Factor Methodの改善 : SS methodと併合 • 系統誤差の改善- 2011/2012年の全データを使用し、lep-lep/had-hadと結果を統合、来年初旬の兆候(又は棄却)を示す論文出版を目指す。


BACKUP

13


Even

ts

0

20

40

60

80

100

310×

data 2012ooAZ


50×H(125)


= 8TeVs, -1 L dt = 20.3fb0Preselection


Visible Mass [GeV]0 20 40 60 80 100 120 140 160 180 200

Dat

a/M

odel

0.60.8

11.21.4

Z→!! コントロール領域

Even

ts

0

200

400

600

800

1000

data 2012Top

ooAZllAZ

WW/WZ/ZZW+jets


= 8TeVs, -1 L dt = 20.3fb0ll-CRAPreselection Z


Visible Mass [GeV]0 20 40 60 80 100 120 140 160 180 200

Dat

a/M

odel

0.60.8

11.21.4

背景事象の見積もり

14

‣ Z→ττ 事象Embedding Methodを使用した見積もり1. 実データからZ→µµ事象を選別2. µ粒子 → シミュレーション ! 粒子に置き換え3. 実データのコントロール領域により補正(規格化)

長所 : !粒子以外は実データなのでジェット、pile-upからくる不定性が減少 (~10%)

‣ ttbar / single top事象実データコントロール領域によってMCを補正 → 事象中にb-jet + MT(l,!) < 50GeVを要求

‣ Z→"" 事象実データコントロール領域によってMCを補正 → 2レプトンを要求 + 61GeV<M(l,l)<121GeV

Even

ts

0

2000

4000

6000

8000

10000

12000

14000

data 2012Top

ooAZllAZ

WW/WZ/ZZW+jets


= 8TeVs, -1 L dt = 20.3fb0ll-CRAPreselection Z


50 60 70 80 90 100 110 120 130 140 150D

ata/

Mod

el0.60.8

11.21.4

di-lepton Mass [GeV]


多変量解析 (MVA)

BDT概念図

多変量解析 (Multi-Variate Analysis)多変数を入力し、それらの相関まで考慮することで信号事象と背景事象を効率よく分類する解析方法。分類機としてBDTを使用。

BDT (Boosted Decision Tree)　N個の入力変数から木構造グラフによってパターン認識を行う決定木を増強(ブースト)させた分類機。( タウ粒子の同定にも使用している。)

解析概要1. シミュレーションから信号、背景事象の特徴変数を入力2. 入力特徴変数からトレーニングした分類機を作成3. BDT出力値に対する信号 • 背景事象の見積もり4. 実データの出力値の高感度領域から信号の有無を検証

15

BDT

変数1 変数2 変数3

信号事象変数1 変数2 変数3

背景事象

BDT

実データ変数1 変数2 変数3

出力 (分類値)

トレーニング

テスト

S

S

S

B

B

x1 < a1 x1 > a1

x2 < b2 x2 > b2x2 < b1 x2 > b1

x3 < c1 x3 > c1

S

S

S

B

B

x1 < a1 x1 > a1

x2 < b2 x2 > b2x2 < b1 x2 > b1

x3 < c1 x3 > c1

S

S

S

B

B

x1 < a1 x1 > a1

x2 < b2 x2 > b2x2 < b1 x2 > b1

x3 < c1 x3 > c1

S

S

S

B

B

x1 < a1 x1 > a1

x2 < b2 x2 > b2x2 < b1 x2 > b1

x3 < c1 x3 > c1


各背景事象の見積もり方法 (Training/Testing)

16

Training 0 / 1 jet 0 / 1 jet VBF / Boost VBF / Boost

Norm. Shape Norm. Shape

Z→ττ MC からの見積もり MC: OS MC からの見積もり MC: OS

Z→ll (l→τ) ーーーーZ→ll (l→τ)

MC からの見積もり実データに規格化

MC: OSMC からの見積もり実データに規格化

MC: OS

TopMC からの見積もり実データに規格化

MC: OSMC からの見積もり実データに規格化

MC: OS

diboson


MC: OS


MC: OS

W+jetsSame Sign Method

MC: OS+SSSame Sign Method

MC: OS+SS

QCDSame Sign Method

Data: SSSame Sign Method

Data: SS

Testing 0 / 1 jet VBF / Boost

Z→ττ Embedding Method Embedding Method

Z→ll (l→τ)



Z→ll (l→τ) MC からの見積もり実データに規格化

MC からの見積もり実データに規格化Top



diboson



W+jetsSame Sign Method Fake Factor Method

QCDSame Sign Method Fake Factor Method


入力変数

17

Cℓj1,j2(η) : ℓ - η centrality j1 j2

"(e/#)

p pjet1, jet2に対してleptonのη方向に関する中心性

ex) leptonが完璧に2jetの中間にいる場合→ C = 1 leptonが2jetの中間にいない場合→ C ≈ 0 j1

j2

"(e/#)

p p

C=1

C ≈ 0

CETmissℓ,τ (φ) : ETmiss - φ centralitylepton, τに対するETmissのφ方向に関する中心性

jet

!h "(e/#)ETmiss jet (fake !h) "(e/#)

ETmissex) ETmissが完璧にlepton,τの中間にいる場合→ C=√2 ETmissがlepton,τの中間にいない場合→ C ≈ -√2

C=√2 C ≈ - √2

VBFトポロジー

Non-VBFトポロジー


) [GeV]o,oM(0 20 40 60 80 100 120 140

Even

ts

0

200

400

600

800

1000 Visible Mass

Collinear Mass

MMC


= 8TeVs, -1 L dt = 20.3fb0 Embedding Sample Boosted categoryooAZ

質量再構成法

18

Visible Mass (再構成率100%)　ニュートリノ以外の直接観測可能な! , leptonによる不変質量

Collinear Mass (再構成率 ~90%)　

ニュートリノの崩壊方向を! , leptonと同じ方向

(collinear)と仮定し、ETmissを! , lepton方向に分解。

! , lepton, ETmissによる不変質量

Missing Mass Calculator (MMC) (再構成率 ~98%)　! からの崩壊粒子(ニュートリノ含む)の方向の確率密度分布をシミュレーションによって生成。確率が最大となる各粒子の角度方向を決定し、その質量解を使用。

本解析では最も分解能の高いMMC分布をMVAの入力変数として使用。

観測不可能なニュートリノの扱いに寄ってM(!,!)には代表的に３種類の再構成方法が存在


[GeV]Hm100 110 120 130 140 150

0Lo

cal p

0

0.2

0.4

0.6

0.8

1ATLAS work in progress


hoµ + hoe

exp. 0jetexp. 1jetexp. boostexp. vbfexp. comb

期待される上限値 / 感度

19

[GeV]Hm100 110 120 130 140 150

)ooA

BR

(H×

(SM

)m

(95%

C.L

. Lim

it)/

m

5

10

15

20

25

30

35

40

45

50ATLAS work in progress


hoµ + hoe

exp. 0jet

exp. 1jet

exp. boost

exp. vbf

exp. comb

m1

m2

Linear scale


Even

ts

1

10

210

310

410

data 2012ooAZ

llAZWW/WZ/ZZTop

oFake 10×VBFH(125)

10×ggH(125) 10×WH(125)

10×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0H+2-jet VBF W-CR


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

Even

ts

1

10

210

310

410

510

data 2012ooAZ

llAZWW/WZ/ZZTop

oFake 50×VBFH(125)

50×ggH(125) 50×WH(125)

50×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0Boosted W-CR


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

BDT分類分布コントロール領域

20

Even

ts

1

10

210

310

410

data 2012ooAZ

llAZWW/WZ/ZZTop

oFake 10×VBFH(125)

10×ggH(125) 10×WH(125)

10×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0-CRooAH+2-jet VBF Z


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

Even

ts1

10

210

310

410

510

data 2012ooAZ

llAZWW/WZ/ZZTop

oFake 50×VBFH(125)

50×ggH(125) 50×WH(125)

50×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0-CRooABoosted Z


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

Even

ts

1

10

210

310

410

510

610

data 2012ooAZ


50×VBFH(125) 50×ggH(125) 50×WH(125)

50×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0-CRooAH+1-jet Z


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

Even

ts

1

10

210

310

410

510

610

data 2012ooAZ


50×VBFH(125) 50×ggH(125) 50×WH(125)

50×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0-CRooAH+0-jet Z


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

Even

ts

1

10

210

310

410

510

610

data 2012ooAZ


50×VBFH(125) 50×ggH(125) 50×WH(125)

50×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0H+1-jet W-CR


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

Even

ts

1

10

210

310

410

510

610

710

data 2012ooAZ


50×VBFH(125) 50×ggH(125) 50×WH(125)

50×ZH(125)


= 8TeVs, -1 L dt = 20.3fb0H+0-jet W-CR


BDTScore-1 -0.5 0 0.5 1 1.5 2

Dat

a/M

odel

0.60.8

11.21.4

Z → ττ CR : M(τ,τ) < 110GeV , MT(",!) < 40GeV

W+jets CR : MT(",!) > 70GeV

その他 Top / Z→"" CRに関しても同様にチェック

LHC-ATLAS実験におけるLHC-ATLAS実験における H→!!→lepton-hadron...

Documents

Transcript of LHC-ATLAS実験におけるLHC-ATLAS実験における H→!!→lepton-hadron...