CERN正利用机器学习探索稀有希格斯粒子衰变为粲夸克的过程

CMS 利用机器学习探索稀有希格斯粒子衰变为粲夸克的过程。此次探索得出了迄今为止最严格的限制。希格斯玻色子于 2012 年在大型强子对撞机 (LHC) 上首次观测到，它是粒子物理学标准模型的基石。通过相互作用，希格斯玻色子赋予夸克等基本粒子质量。希格斯玻色子与最重的“第三代”夸克——顶夸克和底夸克——之间的相互作用已被证实，并被证明与标准模型的预测相符。

然而，研究希格斯玻色子如何与更轻的夸克耦合仍然困难得多。它与“第二代”夸克（如粲夸克）以及“第一代”夸克（构成原子核的上夸克和下夸克）的相互作用在很大程度上仍未得到验证。这留下了一个关键问题：希格斯玻色子是否赋予了构成日常物质的夸克质量。

为了探索这些相互作用，物理学家们研究了希格斯玻色子在大型强子对撞机（LHC）的高能质子-质子碰撞中如何衰变为其他粒子，或与这些粒子同时产生。在最近的欧洲核子研究中心（CERN） 研讨会上，CMS合作组首次展示了在希格斯玻色子与一对顶夸克同时产生的事件中，如何衰变为两个粲夸克。通过应用先进的人工智能方法，该团队实现了迄今为止对希格斯玻色子与粲夸克相互作用强度的最高极限。

CMS 洞穴，探测器 EndCap 处于打开状态。图片来源：CERN

产生一个希格斯玻色子和一对顶夸克，然后观察它衰变成两个夸克，这在大型强子对撞机（LHC）上既罕见，也极具识别挑战性。夸克几乎会瞬间产生狭窄的强子喷射，称为“喷流”，它们在进一步衰变之前只会传播很短的距离。这使得很难区分希格斯衰变中源自粲夸克的喷流与由其他类型夸克产生的喷流。传统的喷流识别技术，即所谓的“标记”，在识别粲夸克喷流方面效率不高，因此需要更复杂的方法来提高识别率。

“这项搜索需要分析技术的范式转变，”欧洲核子研究中心研究员塞巴斯蒂安·伍赫特尔（Sebastian Wuchterl）解释道。“由于粲夸克比底夸克更难标记，我们依靠尖端的机器学习技术将信号与背景分离。”

CMS 团队通过应用机器学习技术解决了两大核心挑战。第一项挑战是检测粲喷流，他们使用专门为此任务设计的图神经网络来处理。第二项挑战是将真正的希格斯玻色子事件与背景碰撞分离，这需要使用变换网络（Transformer Network）来处理——该模型与 ChatGPT 的基础模型属于同一类，但在这里被调整用于对粒子事件进行分类，而不是生成文本。为了训练粲喷流标记系统，研究人员使用了数亿个模拟喷流，从而使该算法能够以更高的精度识别粲喷流。

利用2016年至2018年收集的数据，结合此前关于希格斯玻色子通过其他过程衰变为粲夸克的研究结果，CMS团队对希格斯玻色子与粲夸克之间的相互作用设定了迄今为止最严格的限制，结果显示与之前的约束相比，改进了约35%。这显著限制了与标准模型预测之间的潜在偏差。

“我们的发现标志着我们迈出了重要的一步，”根特大学博士后研究员扬·范德林登（Jan van der Linden）说道。“随着即将进行的LHC运行获得更多数据，以及分析技术的改进，我们或许能够直接洞察希格斯玻色子与LHC中粲夸克的相互作用——这项任务在几年前还被认为不可能实现。”

随着LHC持续收集数据，粲标记和希格斯玻色子事件分类的改进最终可能使CMS及其配套实验ATLAS能够证实希格斯玻色子衰变为粲夸克。这将是迈向全面理解希格斯玻色子在所有夸克质量产生过程中所扮演角色的重要一步，并为已有50年历史的标准模型提供关键检验。

编译自/ScitechDaily