Performance of heavy-flavour jet identification in the CMS high-level trigger in proton-proton collisions at $\sqrt{s}$ = 13.6 TeV

Im Herzen der Europäischen Organisation für Kernforschung, bekannt als CERN, zertrümmert eine Maschine namens Large Hadron Collider Protonen mit Geschwindigkeiten, die sich der Lichtgeschwindigkeit nähern. Diese Kollisionen rekonstruieren die Bedingungen, die unmittelbar nach dem Beginn des Universums herrschten, und erzeugen dabei einen Schauer neuer Teilchen. Zu den wichtigsten dieser Teilchen gehören schwere Quarks, speziell die Varianten Bottom- und Charm-Quark. Wenn diese Quarks entstehen, verwandeln sie sich schnell in schwerere Teilchen, die eine winzige Strecke zurücklegen, bevor sie zerfallen. Diese leichte Verzögerung hinterlässt ein markantes Merkmal: einen sekundären Entstehungspunkt, der leicht versetzt vom eigentlichen Kollisionsort liegt. Physiker nennen dies einen „displaced vertex“ (verschobenen Vertex). Das Identifizieren von Jets – Teilchenschauern, die von diesen schweren Quarks stammen – ist für viele Experimente essenziell, insbesondere bei der Suche nach dem Higgs-Boson, einem Teilchen, das anderen Masse verleiht. Das Higgs-Boson zerfällt oft in diese schweren Quarks, was die Fähigkeit, sie zu erkennen, zu einer entscheidenden Fertigkeit für das Verständnis der grundlegenden Naturgesetze macht. Das Universum produziert jedoch auch eine riesige Anzahl von Jets aus leichteren Teilchen, was einen verrauschten Hintergrund erzeugt, der die seltenen Signale, nach denen Wissenschaftler suchen, leicht verbergen kann.

Die Herausforderung für die Forscher am CERN besteht nicht nur darin, diese schweren Quarks zu finden, sondern sie schnell genug zu finden, um mit der Maschine Schritt zu halten. Der Large Hadger Collider erzeugt Kollisionen mit einer Rate von 40 Millionen Mal pro Sekunde. Es ist unmöglich, Daten von jedem einzelnen Ereignis zu speichern; die Speichersysteme können dieses Volumen schlichtweg nicht bewältigen. Stattdessen muss ein hochentwickeltes Filtersystem, ein sogenannter Trigger, in einem Bruchteil einer Mikrosekunde entscheiden, welche Kollisionen interessant genug sind, um behalten zu werden, und welche verworfen werden sollten. Dieses System fungiert als Torwächter und reduziert die massive Datenflut auf einige tausend Ereignisse pro Sekunde. Jahrelang verließ sich dieser Torwächter auf etablierte Methoden, um zwischen Jets von schweren Quarks und solchen von leichteren Teilchen zu unterscheiden. Doch als der Collider leistungsfähiger wurde und mehr Kollisionen sowie mehr Hintergrundrauschen produzierte, stießen die alten Methoden an ihre Grenzen. Sie waren nicht empfindlich genug, um die seltenen, interessanten Ereignisse zu erfassen, ohne zu viel Rauschen durchzulassen, oder sie mussten so streng eingestellt werden, dass sie wertvolle Daten verpassten.

Um dies zu lösen, entwickelte die CMS-Kollaboration, eines der beiden Hauptexperimente am Collider, eine neue Generation von Werkzeugen für ihr High-Level-Trigger-System. Dieses System läuft auf einer Farm aus Standard-Computerprozessoren und ist für die endgültige, detaillierteste Auswahl der Ereignisse verantwortlich. Das Team führte einen neuen Typ von Algorithmus ein, der auf Deep Learning basiert – einer Form der künstlichen Intelligenz, die die Art und Weise nachahmt, wie das menschliche Gehirn lernt, Muster zu erkennen. Konkret nutzten sie eine Technik namens „dynamic graph convolutional neural network“. Vereinfacht gesagt behandelt dieser Algorithmus die Teilchen innerhalb eines Jets nicht als einfache Liste, sondern als ein vernetztes Geflecht oder einen Graphen. Er betrachtet, wie jedes Teilchen mit seinen Nachbarn in Beziehung steht, und analyst die komplexe Struktur des Schauers, um dessen Ursprung zu bestimmen. Dieser Ansatz ermöglichte es dem System, subtile Unterschiede zwischen einem Jet aus schweren Quarks und einem aus leichteren Teilchen zu erkennen, die vorherige Methoden nicht wahrnehmen konnten.

Die Forscher testeten diese neuen Algorithmen mit Daten, die bei Proton-Proton-Kollisionen bei einem Energieniveau von 13,6 Tera-Elektronenvolt gesammelt wurden – einem Rekordhoch für die Maschine. Sie konzentrierten sich auf zwei Hauptaufgaben: die Identifizierung von Jets aus Bottom-Quarks und Jets aus Charm-Quarks. Die Ergebnisse zeigten eine signifikante Verbesserung. Das neue System konnte Bottom-Quark-Jets mit wesentlich höherer Genauigkeit identifizieren und gleichzeitig den Hintergrund aus leichten Jets weitaus effektiver unterdrücken als die vorherige Generation von Werkzeugen. Dies bedeutete, dass der Trigger „inklusiver“ eingestellt werden konnte, sodass mehr der seltenen Ereignisse, die Wissenschaftler untersuchen wollen, behalten wurden, ohne von Rauschen überwältigt zu werden. Vielleicht noch wichtiger ist, dass das neue System es ermöglichte, Charm-Quark-Jets erstmals mit hoher Effizienz in diesem Online-Filtersystem zu identifizieren. Dies öffnete die Tür zur Untersuchung von Prozessen unter Beteiligung von Charm-Quarks, die zuvor zu schwierig zu isolieren waren, um in Echtzeit gefiltert zu werden.

Die Auswirkungen dieser Verbesserungen waren unmittelbar und messbar in mehreren Schlüsselbereichen der Physik. Ein großer Erfolg war die Suche nach Paaren von Higgs-Bosonen, die in vier Bottom-Quarks zerfallen. Dies ist ein seltener Prozess, der Physikern hilft zu verstehen, wie das Higgs-Boson mit sich selbst interagiert. Die neuen Trigger ermöglichten es dem Experiment, Daten über diese Ereignisse mit wesentlich größerer Effizienz zu sammeln, wodurch die Anzahl der erfassten nützlichen Ereignisse in bestimmten Energiebereichen im Vergleich zum vorherigen Setup effektiv verdoppelt wurde. Ähnlich verbesserte das System die Fähigkeit, das Higgs-Boson zu untersuchen, wenn es zusammen mit einem Paar Top-Quarks produziert wird – ein weiterer entscheidender Kanal für das Verständnis der Eigenschaften des Teilchens. Die neuen Werkzeuge ermöglichten zudem eine gezielte Suche nach dem Higgs-Boson, das in Charm-Quarks zerfällt – ein Prozess, der in der Vergangenheit aufgrund des überwältigenden Hintergrunds kaum mit einem Trigger erfassbar war. Durch die Senkung der Energieschwellen, die zum Speichern eines Ereignisses erforderlich sind, erlaubte das neue System den Physikern, bisher unzugängliche Niedrigenergiebereiche zu erforschen.

Das Team entwickelte auch eine spezialisierte Version dieses Algorithmus, um hochenergetische Teilchen zu handhaben, die so schnell zerfallen, dass ihre Produkte zu einem einzigen, großen Schauer verschmelzen. Dies ist häufig der Fall, wenn sehr schwere Teilchen entstehen und mit hoher Geschwindigkeit reisen. Das neue System konnte diese verschmolzenen Jets mit hoher Präzision identifizieren, was die Reichweite des Experiments weiter ausweitete. Während des gesamten Datenerfassungszeitraums überwachten die Forscher kontinuierlich die Leistung dieser Algorithmen und verglichen ihre Vorhersagen mit den tatsächlich gesammelten Daten. Sie fanden heraus, dass die zur Konstruktion des Systems verwendeten Computersimulationen die realen Daten sehr eng widerspiegelten, was bestätigte, dass die neuen Werkzeuge zuverlässig und stabil waren. Das System behielt seine hohe Leistungsfähigkeit auch dann bei, wenn die Anzahl der gleichzeitigen Kollisionen in der Maschine zunahm – ein Zustand, der als „Pileup“ bezeichnet wird und einfachere Detektoren oft verwirrt.

Bis zum Ende des Datenerfassungszeitraums waren die neuen Trigger zum Standard für das Experiment geworden. Sie wurden für die Analyse von hunderten Terabytes an Daten eingesetzt und trugen direkt zu einer verbesserten Sensitivität in der Suche nach neuer Physik bei. Die Arbeit demonstrierte, dass fortschrittliche Techniken des maschinellen Lernens erfolgreich in der Millisekunden-Umgebung eines Teilchenphysik-Triggers eingesetzt werden können – eine Leistung, die einst als zu rechenintensiv galt. Der Erfolg dieses Projekts bedeutet, dass das CMS-Experiment nun tiefer in die Daten blicken kann, um Signale zu finden, die zuvor im Rauschen verborgen waren. Diese Fähigkeit ist für die Zukunft des Feldes essenziell, da der Collider weiterhin mit höheren Intensitäten arbeitet und die Grenzen dessen verschiebt, was über die fundamentalen Bausteine des Universums bekannt ist. Die Fähigkeit, das Schwere vom Leichten, das Seltene vom Häufigen in Echtzeit zu unterscheiden, ist zu einem Eckpfeiler der modernen Teilchenphysik geworden und stellt sicher, dass keine potenzielle Entdeckung durch die Einschränkungen des Filters verloren geht.