미래의 충돌기 실험을 위한 게임의 규칙을 바꾸는 중국과학원과 북경대학교, AI 기반 주입 소스 식별 기술 개발

CEPC(원형 전자 양전자 충돌기)에서 시뮬레이션된 이중 주입 이벤트의 개략도. (출처: 중국과학원 고에너지물리연구소)

Editor|Ziluo

쿼크와 글루온은 입자물리학 표준모형의 기본 입자로, 전자나 광자와 달리 공간과 공간에서 자유롭게 이동할 수 없습니다. 양성자나 중성자와 같은 복합 입자에만 결합될 수 있습니다.

충돌기 실험에서 생성된 고에너지 쿼크 또는 글루온은 복잡한 상호작용을 통해 다수의 최종 입자로 변환되며, 이는 원래 쿼크 또는 글루온의 운동 방향을 따라 더 작은 각도로 방출됩니다. 현상을 주입이라고 합니다.

최근 중국 과학 아카데미 고에너지 물리학 연구소의 Ruan Manqi 팀, 북경 대학의 Zhou Chen 팀, CERN의 Qu Huilin 연구원이 제트 소스 식별 기술을 제안했습니다. 이 기술은 고에너지 충돌기 실험의 과학적 발견 능력을 크게 향상시킬 수 있습니다.

원래 고성능 입자 흐름 재구성 알고리즘인 아버(Arbor)와 첨단 인공지능 기술인 파티클넷(ParticleNet)을 결합해 연구팀은 효율적인 주입원 식별 기술을 개발했다. 이 기술은 서로 다른 유형의 제트 간의 미세한 차이를 포착함으로써 5가지 유형의 쿼크(업, 다운, 스트레인지, 참, 바닥), 5가지 유형의 반쿼크 및 글루온에 의해 생성된 11개의 서로 다른 제트를 동시에 효율적으로 구별할 수 있습니다.

이 기술은 과학자들이 다양한 입자와 쿼크, 글루온 간의 상호 작용을 정확하게 측정하고 극도로 약한 힉스 입자 붕괴 신호를 포착하는 데 도움이 될 수 있습니다. 이 기술은 미래의 충돌체에 대한 주요 물리적 측정의 정확도를 몇 배로 향상시켜 대형 과학 장치의 과학적 발견 능력을 크게 확장할 수 있습니다.

리뷰어는 "세계 최고의 식별 성능", "게임의 규칙을 바꿨다", "향후 충돌기 실험에서 정확한 측정을 위한 새로운 비전을 창조했다"고 평가했습니다.

이 연구의 제목은 "전자-양전자 힉스 공장에서의 제트 기원 식별 및 응용"이며 2024년 5월 31일 "Physical Review Letters"에 게재되었습니다.

논문 링크: https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.132.221802

주입은 고에너지 충돌 실험에서 대량으로 생산될 수 있으며, 이는 주사의 기원을 정확하게 식별합니다. 어떤 종류의 쿼크나 글루온이 충돌기 사례 뒤에 숨어 있는 물리적 법칙을 발견하고 이해하는 데 매우 중요합니다. 그러나 서로 다른 쿼크와 글루온에서 생성된 제트는 구성이 매우 유사하므로 제트의 기원을 정확하게 식별하는 것이 매우 어렵습니다.

그림: CEPC 기준 검출기를 사용하여 시뮬레이션 및 재구성된 ?+⁢?−→?⁢́?⁢?→?⁢́?⁢?⁢?(√?=240 GeV) 이벤트에 대한 이벤트 표시. (출처: 논문)

제트 기원 식별

Background

고에너지 충돌기 실험의 과학적 발견 능력을 높이기 위해 연구자들은 제트 기원 식별 개념을 제안하고 제트를 다음과 같이 구분했습니다. 종류 :

• 5가지 종류의 쿼크: a, b, s, u, d
• 5가지 종류의 반쿼크: a̅, b́, s̅, u̅, d̎
• gluons

중요함

성공적인 제트 소스 식별은 QCD(양자 색역학) 프로세스에서 큰 배경을 효과적으로 줄일 수 있으므로 대형 강입자 충돌기와 같은 에너지 최전선의 입자 물리학 실험에 매우 중요합니다.

Method

연구원들은 GEANT4 기반 시뮬레이션(전체 시뮬레이션이라고 함)을 사용하여 미래 충돌기 프로젝트의 최우선 과제인 전자-양전자 힉스 공장에서 물리학 이벤트의 주입 원점 식별 개념을 구현했습니다. 연구원들은 입자 흐름 이벤트 재구성 및 주입 소스 식별을 위해 Arbor 및 ParticleNet과 같은 소프트웨어 도구를 개발했습니다.

성능

이 연구는 제트 "맛" 마커 및 제트 전하 측정 성능을 보여주는 11차원 혼동 행렬(M11)을 사용하여 제트 기원 식별 성능을 보여줍니다.

그림: 11차원 혼동행렬 M11을 이용한 전체 주입원점 판별 성능. (출처: 논문) 연구원들은 CEPC 명목 힉스 작동 시나리오 하에서 희귀하고 이국적인 힉스 보손 붕괴 측정에 제트 소스 식별을 적용했습니다. 이 장면은

에 나올 것으로 예상됩니다.GeV 處積分光度為 20 ab^−1，可累積 4 × 10^6 個希格斯玻色子。研究分析了稀有衰變H → ss¯、uu¯ 和dd¯ 以及味道變化中性流(FCNC) 衰變H → sb、ds、db 和uc（其中，sb 表示sb¯ 或s¯b，ds、db 和uc 亦同）。

推導出這七個過程的上限，範圍從 10^−3 到 10^−4。在標準模型中，H → ss¯ 過程的預測分支比為 2.3 × 10^−4，推導出的上限相當於標準模型預測的 3 倍。 H → uu¯ 和 dd¯ 的分支比預計小於 10^−6，而根據環路貢獻，上述 FCNC 過程的分支比預計小於 10^−7。

圖示：噴注味標記效率和電荷翻轉率。 （資料來源：論文）

這項技術為科學家們在未來對撞機上的科學探索提供了強有力的全新工具，也證明了噴注產生過程內所蘊含的複雜資訊可以被先進的人工智慧演算法理解並利用。

在未來，科研團隊計劃進一步研究人工智慧技術在更廣泛、更深層的科學問題上的應用。

論文連結：https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.132.221802

參考內容：

https://phys.org/news/2024-06-ai-poweredj-ai -identification-technology.html

https://www.ccnta.cn/article/17151.html

위 내용은 미래의 충돌기 실험을 위한 게임의 규칙을 바꾸는 중국과학원과 북경대학교, AI 기반 주입 소스 식별 기술 개발의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!