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

Au cœur de l'Organisation européenne pour la recherche nucléaire, connue sous le nom de CERN, une machine appelée le Grand Collisionneur de Hadrons (LHC) fracasse des protons les uns contre les autres à des vitesses approchant celle de la lumière. Ces collisions recréent les conditions qui existaient juste une fraction de seconde après le début de l'univers, produisant une gerbe de nouvelles particules. Parmi les plus importantes figurent les quarks lourds, spécifiquement les variétés "bottom" et "charm". Lorsque ces quarks sont créés, ils se transforment rapidement en particules plus lourdes qui parcourent une distance infime avant de se désintégrer. Ce léger retard laisse une marque distincte : un point d'origine secondaire légèrement déplacé par rapport au point de collision principal. Les physiciens appellent cela un sommet déplacé (displaced vertex). Identifier les jets — des jets de particules originaires de ces quarks lourds — est essentiel pour de nombreuses expériences, particulièrement celles qui recherchent le boson de Higgs, une particule qui donne leur masse aux autres. Le boson de Higgs se désintègre souvent en ces quarks lourds, faisant de la capacité à les repérer une compétence critique pour comprendre les lois fondamentales de la nature. Cependant, l'univers produit également un nombre immense de jets provenant de particules plus légères, créant un bruit de fond qui peut facilement masquer les signaux rares que les scientifiques recherchent.

Le défi pour les chercheurs du CERN n'est pas seulement de trouver ces quarks lourds, mais de les trouver assez rapidement pour suivre le rythme de la machine. Le Grand Collisionneur de Hadrons produit des collisions à un taux de 40 millions par seconde. Il est impossible de sauvegarder les données de chaque événement ; les systèmes de stockage ne peuvent tout simplement pas gérer un tel volume. Au lieu de cela, un système de filtrage sophistiqué, appelé "trigger" (déclencheur), doit décider en une fraction de microseconde quelles collisions sont assez intéressantes pour être conservées et lesquelles doivent être rejetées. Ce système agit comme un gardien, réduisant l'immense flux de données à quelques milliers d'événements gérables par seconde. Pendant des années, ce gardien s'est appuyé sur des méthodes établies pour distinguer les jets provenant de quarks lourds de ceux provenant de particules plus légères. Mais à mesure que le collisionneur devenait plus puissant, produisant plus de collisions et plus de bruit de fond, les anciennes méthodes ont commencé à peiner. Elles n'étaient pas assez sensibles pour capturer les événements rares et intéressants sans laisser passer trop de bruit, ou elles devaient être réglées de manière si stricte qu'elles manquaient des données précieuses.

Pour résoudre ce problème, la collaboration CMS, l'une des deux expériences principales du collisionneur, a développé une nouvelle génération d'outils pour son système de déclenchement de haut niveau (high-level trigger). Ce système fonctionne sur une ferme de processeurs informatiques standards et est responsable de la sélection finale, la plus détaillée, des événements. L'équipe a introduit un nouveau type d'algorithme basé sur l'apprentissage profond (deep learning), une forme d'intelligence artificielle qui imite la façon dont le cerveau humain apprend à reconnaître des motifs. Plus précisément, ils ont utilisé une technique appelée réseau de neurones convolutifs sur graphes dynamiques (dynamic graph convolutional neural network). En termes simples, cet algorithme traite les particules à l'intérieur d'un jet non pas comme une simple liste, mais comme un web ou un graphe connecté. Il examine comment chaque particule se rapporte à ses voisines, analysant la structure complexe de la gerbe pour déterminer son origine. Cette approche a permis au système de percevoir des différences subtiles entre un jet composé de quarks lourds et un jet composé de particules plus légères que les méthodes précédentes ne pouvaient détecter.

Les chercheurs ont testé ces nouveaux algorithmes en utilisant des données collectées lors de collisions proton-proton à un niveau d'énergie de 13,6 téra-électronvolts, un record pour la machine. Ils se sont concentrés sur deux tâches principales : identifier les jets de quarks bottom et les jets de quarks charm. Les résultats ont montré une amélioration significative. Le nouveau système pouvait identifier les jets de quarks bottom avec une précision bien plus élevée tout en rejetant simultanément le bruit de fond des jets légers de manière beaucoup plus efficace que la génération précédente d'outils. Cela signifiait que le déclencheur pouvait être réglé pour être plus inclusif, conservant davantage d'événements rares que les scientifiques souhaitent étudier sans être submergés par le bruit. Peut-être plus important encore, le nouveau système a rendu possible l'identification des jets de quarks charm avec une grande efficacité pour la première fois dans ce système de filtrage en ligne. Cela a ouvert la voie à l'étude de processus impliquant des quarks charm qui étaient auparavant trop difficiles à isoler en temps réel.

L'impact de ces améliorations a été immédiat et mesurable dans plusieurs domaines clés de la physique. Un succès majeur fut la recherche de paires de bosons de Higgs se désintégrant en quatre quarks bottom. Il s'agit d'un processus rare qui aide les physiciens à comprendre comment le boson de Higgs interagit avec lui-même. Les nouveaux déclencheurs ont permis à l'expérience de collecter des données sur ces événements avec une efficacité bien accrue, doublant pratiquement le nombre d'événements utiles capturés dans certaines plages d'énergie par rapport à la configuration précédente. De même, le système a amélioré la capacité d'étudier le boson de Higgs lorsqu'il est produit aux côtés d'une paire de quarks top, un autre canal crucial pour comprendre les propriétés de la particule. Les nouveaux outils ont également permis une recherche dédiée du boson de Higgs se désintégrant en quarks charm, un processus qui avait été presque impossible à déclencher par le passé en raison du bruit de fond écrasant. En abaissant les seuils d'énergie requis pour sauvegarder un événement, le nouveau système a permis aux physiciens d'explorer des régions d'énergie plus basses qui étaient auparavant inaccessibles.

L'équipe a également développé une version spécialisée de cet algorithme pour gérer les particules de haute énergie qui se désintègrent si vite que leurs produits fusionnent en une seule et large gerbe. Cela est courant lorsque des particules très lourdes sont produites et voyagent à des vitesses élevées. Le nouveau système pouvait identifier ces jets fusionnés avec une grande précision, étendant davantage la portée de l'expérience. Tout au long de la période de collecte de données, les chercheurs ont surveillé en continu les performances de ces algorithmes, comparant leurs prédictions aux données réelles collectées. Ils ont constaté que les simulations informatiques utilisées pour concevoir le système correspondaient de très près aux données réelles, confirmant que les nouveaux outils étaient fiables et stables dans le temps. Le système a maintenu sa haute performance même lorsque le nombre de collisions simultanées dans la machine augmentait, une condition connue sous le nom de "pileup", qui perturbe souvent les détecteurs plus simples.

À la fin de la période de collecte de données, les nouveaux déclencheurs étaient devenus le standard pour l'expérience. Ils ont été adoptés pour l'analyse de centaines de téraoctets de données, contribuant directement à l'amélioration de la sensibilité dans les recherches de nouvelle physique. Ce travail a démontré que les techniques avancées d'apprentissage automatique pouvaient être déployées avec succès dans l'environnement de fraction de seconde d'un déclencheur de physique des particules, un exploit qui était autrefois jugé trop exigeant en termes de calcul. Le succès de ce projet signifie que l'expérience CMS peut désormais voir plus profondément dans les données, trouvant des signaux qui étaient auparavant cachés dans le bruit. Cette capacité est essentielle pour l'avenir du domaine, alors que le collisionneur continue de fonctionner à des intensités plus élevées, repoussant les limites de ce qui est connu sur les blocs fondamentaux de l'univers. La capacité de distinguer le lourd du léger, le rare du commun, en temps réel, est devenue une pierre angulaire de la physique des particules moderne, garantissant qu'aucune découverte potentielle ne soit perdue à cause des limitations du filtre.