详情

基于深度学习和粒子流算法的成像型量能器性能研究

申报人:杨海军 申报日期:2024-03-07

基本情况

第二十九期上海交通大学大学生创新实践计划
基于深度学习和粒子流算法的成像型量能器性能研究
创新训练项目
理学
物理学类
创新类
物理与天文学院
杨海军
指导教师
登录状态下查看

科技部国家重点研发计划(大科学装置前沿研究),“全吸收型电磁量能器技术”课题,主持,2023/12 – 2028/11

科技部国家重点研发计划(大科学装置前沿研究),“Higgs粒子性质研究”课题,参与,2023/12 - 2028/11

国家自然科学基金委国际(地区)合作研究项目,“ATLAS实验上研究希格斯粒子性质和寻找新物理”,参与,2021/01 – 2025/12

国家自然科学基金委国际(地区)合作研究项目,“面向未来粒子物理实验并基于粒子流算法的量能器研究”,主持,2019/10 – 2022/09

提供良好的实验设备和实验室条件、高性能计算平台等资源,亲自指导学生开展课题研究,同时有博士后和研究生参与合作,确保项目顺利进行。

本项目研究涉及的实验经费、到合作单位出差以及会议差旅费等将主要由科技部国家重点研究计划课题承担。

2012年欧洲核子研究中心CERN大型强子对撞机LHC实验发现了希格斯玻色子,揭示了基本粒子质量的起源之谜,为粒子物理标准模型的完备奠定了基石,使得粒子物理的前沿研究进入新纪元。高能物理学界当前和未来的主要挑战之一是精确测量希格斯玻色子的特性并确定其性质,这将有助于深入理解基础物理学的前沿科学问题,例如暗物质质量起源机制,早期宇宙演化电弱相变过程,以及宇宙中正反物质的不对称等。

精确测量希格斯性质是探索新物理的关键。实验上通过不断提高希格斯性质的测量精度来提升它对新物理的探测灵敏度,这是当今大型强子对撞机LHC实验最重要的研究课题之一。考虑到LHC固有的大量强子本底,实验上难以对希格斯的性质作高精度测量,特别是对占主导的希格斯强子末态的测量极为困难。中国科学家在希格斯发现后就率先提出了大型环形正负电子对撞机CEPC作为“希格斯工厂”,在“干净”的对撞环境下产生大量希格斯粒子,对希格斯的性质作超高精度的测量,预计比LHC实验精度提高一个数量级,进而大幅提升希格斯粒子探针对新物理的探测灵敏度。

研制高性能量能器系统对希格斯性质的精确测量非常关键。CEPC探测器设计的喷注能量分辨率比大型强子对撞机实验探测器的性能提升约1倍,是极具挑战性的前沿研究课题。为了应对这一挑战,CEPC团队开展了一系列基于粒子流算法(Particle Flow Algorithm, PFA)的成像型量能器预研。粒子流算法的基本思路是最大化利用径迹探测器,电磁量能器,强子量能器等多个子探测器系统的信息,提高对带电和中性粒子的鉴别能力和能量测量的准确性。PFA方法实现的前提是要求在量能器系统具有很高的颗粒度,精细的探测单元有助于更好区分带电粒子和中性粒子的能量沉积。

2016年起,交大团队获得了多项科技部国家重点研发计划和国家自然科学基金项目的资助,负责研制了基于塑料闪烁体和硅光电倍增管(SiPM)的电磁量能器和强子量能器样机,并于20222023年在CERN开展了两轮束流实验,积累了6500余万高能强子,电子和缪子束流数据,用于量能器样机的性能研究。

本项目拟利用量能器样机积累的束流数据,运用提升决策树(BDT)、人工神经网络(譬如ResNet,DGRes,DGCNN)等深度机器学习算法开展研究,提高粒子鉴别效率和能量分辨率。在概念设计方案的基础上优化电磁量能器和强子量能器设计,利用高密度的晶体或新型闪烁玻璃材料来提高量能器的取样比,在确保粒子流算法所需的高颗粒度基础上,显著提升电磁和强子的能量分辨率,提高性价比,争取达到国际领先的水平。

选题成员

0

指导教师

序号 教师姓名 电子邮箱 所属学院
1 杨海军 登录状态下查看 物理与天文学院 第一指导教师

选题附件

结束