北京大学物理学院技术物理系、核物理与核技术国家重点实验室李强教授课题组在《科学通报》撰文，介绍了大型强子对撞机(LHC)上紧致缪子螺线圈(CMS)实验中大动量玻色子喷注探针方法的发展及应用。
LHC以探究希格斯机制背后的电弱对称性破缺规律为首要目标，并以此检验标准模型和发展超出标准模型的新物理，朝着统一一切基本相互作用的万物之理不断前进。超出标准模型的新物理模型通常具有超对称或额外维度的特征，来自LHC的数据可以在太电子伏(TeV)能级下检验它们。大动量的重共振态是LHC上物理研究的一个重要方向。参与大动量重共振过程的可以是标准模型中定义的W和Z玻色子、希格斯玻色子等，也包括所研究新物理模型中定义的重粒子，如扩充的规范玻色子W'和Z'。通常，新物理模型中的大质量新粒子的衰变产物是大动量的标准模型粒子，故准确标记这些粒子，特别是大动量的玻色子，是相关实验数据分析工作的核心任务之一。
一个大动量玻色子或顶夸克的衰变产物一般会形成一个在空间中分布较宽的粗喷注，且依其衰变特征的不同形成明显不同的子结构。喷注子结构是鉴别其原初粒子的重要特征，在深度学习广泛应用的时代到来之前，人们定义了许多从可观测量导出的高级变量，定量描述喷注子结构，在高级变量上施加选择条件进行敏感度优化，结合提升决策树(BDT)等传统机器学习方法鉴别喷注，从众多本底中提取出期望观测到的物理信号。深度学习时代到来之后，以CMS合作组为代表的高能实验团队大量借鉴了在图像识别和自然语言处理等领域成熟的深度学习模型，发展出了新一代喷注鉴别技术，从而可以更有效地提取信号和压低本底，增强统计敏感度。10余年来，大动量玻色子探针技术不断发展，在数据分析中得到了广泛的应用。
李强课题组与欧洲核子研究中心（CERN）合作，长期致力于喷注标记技术的开发及应用，特别是近期开发了基于图神经网络的深度学习并应用于新物理寻找以及大动量希格斯的探测，大幅提高了物理灵敏度。近期成果包括在世界上首次实现了三W玻色子共振态的寻找、开发了3夸克和4夸克特征喷注的鉴别及校准技术。此项研究开拓了新物理寻找的新航线；在强子对撞机上首次观测到Z玻色子到粲夸克衰变过程，并获得了希格斯与粲夸克汤川耦合的世界最强实验限制。
高乐耘, 付大为, 赵宇哲, 郭启隆, 钱思天, 杨天一, 邓森, 李强*. CMS实验中大动量玻色子喷注探针方法的发展及应用. 科学通报, 2024, 69, doi: 10.1360/TB-2023-1120,
https://doi.org/10.1360/TB-2023-1120
转载、投稿请留言
| 关注科学通报 | 了解科学前沿