The Fermilab Muon g-2 experiment has now completed its analysis of the entire Run 1–6 data set, reaching a final precision of 0.12 ppm on the muon anomalous magnetic moment . I will outline the key experimental advances that enabled this result: refined magnetic-field mapping, upgraded beam dynamics modeling, improved calorimeter calibration, optimized offline production workflows and...
ATLAS最近发布了一个基于 Transformer架构的味标记算法,性能相较于上一代算法有了质的提升。此外,新算法还带了范式改变,直接利用喷注与径迹信息作为输入而不依赖于中间算法。校准结果显示新算法在数据中的效能与模拟类似,预期将为新一轮的物理分析结果产生重大影响。该报告将会详细介绍此算法的技术细节以及开发过程背后的经验得失,同时也会对未来标记算法的发展做出展望。
We show that fully hadronic final state searches at the LHC—exemplified by the $HH(4b)$ flagship analysis—can achieve a 5–10× improvement in sensitivity by transitioning from jet-based methods to jet-free, event-level analysis powered by large-scale AI models. Existing approaches depend heavily on jet tagging, whose performance has plateaued despite sophisticated ML developments. Our strategy...
Identification plays a central role in experimental particle physics, either identifying different physics objects or distinguishing signal events from backgrounds.
Benefit from the rapid development of AI tools, we propose a holistic approach for the identification task.
This approach takes all the reconstructable information as input and infers the relevant categories using sufficiently...
粒子流重建是目前高能对撞机实验上广泛采用的重建方法,其终极目标是实现重建前后粒子的一一对应性并高效鉴别其种类。但在实际实验中,如探测器有限的接收度和空间颗粒度、重建算法的不完美等因素往往会打破这种一一对应性。本报告将以 CEPC 为例,介绍未来正负电子希格斯工厂上关于一一对应性粒子流重建性能的研究,通过使用 truth link 对重建粒子进行细致的分析和分类并结合机器学习技术,实现了假粒子的高效鉴别与去除,将双喷注末态希格斯玻色子的不变质量分辨率提升了15%。此外也同时实现了9种粒子的高效鉴别,对五种带电粒子(电子、$\mu$子、$\pi$介子、K介子、质子)和光子的鉴别效率可高达97%以上,对三种中性强子(长寿命中性K介子、中子、反中子)的借鉴效率也可达到75%-80%,极大拓展了传统粒子鉴别的类别。
HERD是即将安装在我国空间站的大型高能宇宙线探测装置,运行以后每年将产生载荷在轨科学数据、运行数据、刻度与参数数据以及模拟、重建等各类复杂的数据,需要进行全流程高效的管理。本报告将介绍HERD科学数据管理与工作流系统,功能包括在在轨实验/模拟数据产生、传输、重建、归档等一系列的过程中对数据的状态和数据处理过程进行跟踪和记录。该系统还采用工作流和作业自动提交的方式实现模拟数据以及数据产品的自动生成,以满足科学研究人员对数据高效利用和共享的需求,同时也可为其它同类型的实验提供参考。
针对高能物理实验数据质量监测的共性需求,本文突破传统监测方法的局限,设计并研发了一种通用的智能监测体系。首先,针对不同高能物理实验在线监测系统重复设计的痛点,提出并实现了一种基于ROOT的通用数据质量监测方案。通过标准化接口规范,系统能够快速适配不同实验平台,显著提高了开发效率与可复用性。同时,为确保大规模系统下的实时响应能力,提出了基于级联配置和“HistMaster”分布式处理架构的部署策略,并通过并行计算优化,实现了系统的高效部署与稳定运行。经多场景验证,该方案在不同实验环境下均表现出良好的适用性与可靠性。
...
国家高能物理科学数据中心是科技部首批认定的20个国家科学数据中心之一,致力于为全球科研人员及学生提供高能物理、中子科学、光子科学、天体物理等基础研究及多学科交叉研究的数据支撑服务。作为我国高能物理领域的重要科研基础设施,数据中心已构建起国际领先的科研数据平台,具备60PB级存储容量、数万CPU核计算能力、万兆国际网络带宽等先进的信息化支撑条件,服务全球专业用户近万人。
...
位于国际空间站上的阿尔法磁谱仪(AMS),是目前世界上唯一的大型精密太空粒子磁谱仪,致力于精确测量宇宙线中的各种带电粒子与反粒子,从而对暗物质、反物质、以及宇宙线的起源进行研究。自2011年开始运行,AMS已累计采集超过2300亿宇宙线事例。AMS探测器长期运行在严苛的太空环境中,本报告将介绍AMS独特的事例重建(包括模拟、标定、重建)方法用于高精度的事例重建。此外,AMS的离线软件基于英特尔编译器开发,已迭代至支持Intel openAPI DPC++/C++编译环境。该系统具备高效的多线程处理能力,在模拟与重建上实现了事件级的并行化,支撑大规模、高电荷高能量的宇宙线数据的高性能处理需求。
江门中微子实验(JUNO)是一个地下中微子观测站,已经完成建设,正在进行最后的液闪置换工作,即将转入正式的物理运行。JUNO的中心探测器安装了17612个20英寸的光电倍增管(LPMT),采用高速高分辨率的波形数字化技术来探测光子。为了增强探测能力,还在LPMT阵列的间隙中布置了25600个3 英寸的光电倍增管(SPMT)。此外,还有2400个LPMT被用于外围的水切伦科夫探测器,其主要功能是识别宇宙射线缪子并减少相关的本底噪声。JUNO的数据获取系统(DAQ)被设计用来收集每秒约50GB的原始数据流,对数据进行实时处理,包括在线数据组装和事例分类,最终将数据吞吐量压缩至每秒低于100MB。此次报告将介绍 JUNO DAQ 系统的架构设计和技术实现,以及软件开发和硬件部署的最新进展。
Jet tagging is essential for identifying hadronic decays of boosted particles at collider experiments. Transformer-based deep learning models have become state-of-the-art due to their ability to capture complex particle interactions. This talk reviews the development of Transformer architectures in jet tagging, from Particle Transformer to our More Interaction Particle Transformer (MIParT),...
本报告聚焦大模型在高能物理中的应用方法。以DeepSeek为切入点,作为国产模型,其推理能力强、生态开源且性价比高,在上海交大 “交我算” 等高校智算平台实现国产化部署。可通过提示词工程辅助文献阅读、生成研究思路、编程及可视化,结合 RAG 技术、微调策略等定制方法提升其在高能物理领域适配性。大模型应用实例方面,中科院高能物理所 XIWU 模型、OMAI 运维助手及 CERN 的 AccGPT 等案例,都展示了大语言模型在高能物理领域文献分析、运维支持等场景的实践价值。
Quantum entanglement is a hallmark feature of quantum mechanics, manifesting as correlations between subsystems that cannot be fully described without one another, regardless of spatial separation. While entanglement has been observed in processes such as 𝑝𝑝→𝑡𝑡¯ and thoroughly analyzed in Higgs decay channels (𝐻→𝑉𝑉) at the Large Hadron Collider (LHC), it remains comparatively underexplored in...
Quantum computing has arisen as a transformative approach capable of addressing complex computational challenges beyond the reach of classical systems. In recent years, significant attention has turned to leveraging quantum algorithms across diverse domains, particularly High Energy Physics (HEP). This presentation offers a comprehensive survey of quantum machine learning techniques and their...
Understanding the full implications of experimental searches
requires the interpretation of the experimental results in the context
of many more theoretical models than are currently explored at the
time of publication. Here I briefly introduce the GAMBIT framework and its ColliderBit module, and show our upcoming fit results of the full LHC Run II data interpreted in EWMSSM parameter space.
自ChatGPT等大语言模型普及以来,AI作为新型生产工具已逐步深度融入人类生产活动。当前基于大语言模型的智能体可自主规划、调用工具和一定程度解释结果,成为近年来的热点领域。高能物理物理分析存在数据处理、文本解析等AI适配的固定步骤,同时具有分析流程复杂、需要专业知识等领域特点,成为AI4Science的一个典型场景。基于此,我们开发了用于BESIII物理分析的Dr.Sai多智能体系统:通过将复杂任务拆解为子任务序列,由数个专家型智能体协同执行算法生成、作业脚本构建与提交、结果可视化等核心环节。该系统已初步实现物理分析数据处理的自动化,未来将聚焦人机交互优化与数据驱动的模型能力增强,持续提升复杂科研任务的执行效率。
本报告介绍了为PandaX暗物质实验研发的智能文档问答系统。该系统整合开源RAG框架与商业大语言模型API,构建了覆盖arXiv数据库近30年"氙探测器"(xenon detector)领域文献的专业知识库。通过PDF文本提取、嵌入向量化处理建立语义检索数据库,并开发了前后端交互平台。用户可通过自然语言提问,系统自动定位相关文档片段,经大语言模型生成基于专业知识的答案。该系统显著提升了PandaX合作组获取实验文献的效率和准确性,为相关研究提供了智能化文档支持。
JUNO实验采用光电倍增管(PMT)阵列进行中微子信号探测。在正常工作状态下,PMT的暗计数率保持相对稳定。当PMT出现异常发光现象时,会诱发周边PMT产生响应,导致虚假信号(本底噪声)的生成。为保障实验数据的可靠性,监测系统会实时检测各PMT的工作状态,一旦发现暗计数率异常,将立即关闭异常PMT,以避免其对周边探测单元造成干扰。
因此针对这一需求开发了一套融合时空特征的实时异常检测系统。该系统通过整合图神经网络(GNN)与长短期记忆网络(LSTM)的混合架构,实现了对PMT暗噪声计数率(DCR)的精准监测与异常预警。训练阶段首先构建时空协同的统一数据结构,引入通道级百分位点统计量替代单一阈值;随后通过KD树空间索引实现高效邻域查询,支持距离阈值与K近邻两种拓扑构建方法;最终设计LSTM-GNN混合自动编码器模型。实时检测模块采用双缓存流式处理机制:设计动态数据接口支持分钟级延迟处...