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

यूरोपीय परमाणु अनुसंधान संगठन, जिसे सीर्न (CERN) के नाम से जाना जाता है, के केंद्र में, लार्ज हैड्रॉन कोलाइडर नामक एक मशीन प्रकाश की गति के करीब की तीव्र गति से प्रोटॉन को आपस में टकराती है। ये टकराव उन स्थितियों को फिर से उत्पन्न करते हैं जो ब्रह्मांड की शुरुआत के ठीक कुछ अंश सेकंड बाद मौजूद थीं, जिससे नए कणों की बौछार पैदा होती है। इनमें सबसे महत्वपूर्ण भारी क्वार्क हैं, विशेष रूप से बॉटम (bottom) और चार्म (charm) किस्में। जब ये क्वार्क बनते हैं, तो वे तेजी से भारी कणों में बदल जाते हैं जो क्षय (decay) होने से पहले एक सूक्ष्म दूरी तय करते हैं। यह मामूली देरी एक विशिष्ट निशान छोड़ती है: एक द्वितीयक उत्पत्ति बिंदु जो मुख्य टकराव स्थल से थोड़ा विस्थापित होता है। भौतिक विज्ञानी इसे 'डिस्प्लेस्ड वर्टेक्स' (displaced vertex) कहते हैं। जेट्स—इन भारी क्वार्कों से उत्पन्न होने वाले कणों के स्प्रे—की पहचान करना कई प्रयोगों के लिए आवश्यक है, विशेष रूप से हिग्स बोसोन की खोज में, जो अन्य कणों को द्रव्यमान प्रदान करता है। हिग्स बोसोन अक्सर इन भारी क्वार्कों में क्षय हो जाता है, जिससे उन्हें पहचानने की क्षमता प्रकृति के मूलभूत नियमों को समझने के लिए एक महत्वपूर्ण कौशल बन जाती है। हालाँकि, ब्रह्मांड हल्के कणों से भी बड़ी संख्या में जेट्स का उत्पादन करता है, जो एक शोर भरा बैकग्राउंड (background) बनाता है जो उन दुर्लभ संकेतों को आसानी से छिपा सकता है जिन्हें वैज्ञानिक खोज रहे हैं।

सीर्न के शोधकर्ताओं के लिए चुनौती केवल इन भारी क्वार्कों को खोजना नहीं है, बल्कि मशीन के साथ तालमेल बिठाने के लिए उन्हें पर्याप्त तेजी से खोजना है। लार्ज हैड्रॉन कोलाइडर प्रति सेकंड 4 करोड़ बार टकराव उत्पन्न करता है। हर एक घटना का डेटा सहेजना असंभव है; स्टोरेज सिस्टम उस मात्रा को संभाल ही नहीं सकते। इसके बजाय, एक परिष्कृत फ़िल्टरिंग सिस्टम, जिसे 'ट्रिगर' कहा जाता है, को एक माइक्रोसेकंड के अंश में यह निर्णय लेना होता है कि कौन से टकराव इतने दिलचस्प हैं कि उन्हें रखा जाए और किन्हें छोड़ दिया जाना चाहिए। यह प्रणाली एक द्वारपाल की तरह कार्य करती है, जो डेटा के विशाल प्रवाह को प्रति सेकंड कुछ हज़ार घटनाओं तक सीमित कर देती है। वर्षों तक, यह द्वारपाल भारी क्वार्कों से निकलने वाले जेट्स और हल्के कणों से निकलने वाले जेट्स के बीच अंतर करने के लिए स्थापित विधियों पर निर्भर रहा। लेकिन जैसे-जैसे कोलाइडर अधिक शक्तिशाली होता गया, अधिक टकराव और अधिक बैकग्राउंड शोर पैदा करने लगा, पुरानी विधियाँ संघर्ष करने लगीं। वे दुर्लभ, दिलचस्प घटनाओं को पकड़ने के लिए पर्याप्त संवेदनशील नहीं थीं, या उन्हें इतना सख्त रखा जाना था कि वे मूल्यवान डेटा को भी खो देते थे।

इसे हल करने के लिए, CMS सहयोग (CMS collaboration), जो कोलाइडर के दो मुख्य प्रयोगों में से एक है, ने अपने हाई-लेवल ट्रिगर सिस्टम के लिए नए पीढ़ी के उपकरण विकसित किए। यह प्रणाली मानक कंप्यूटर प्रोसेसर के एक फार्म पर चलती है और घटनाओं के अंतिम, सबसे विस्तृत चयन के लिए जिम्मेदार है। टीम ने डीप लर्निंग पर आधारित एक नए प्रकार के एल्गोरिदम को पेश किया, जो कृत्रिम बुद्धिमत्ता (AI) का एक रूप है जो मानव मस्तिष्क के पैटर्न पहचानने के तरीके की नकल करता है। विशेष रूप से, उन्होंने 'डायनेमिक ग्राफ कन्वोल्यूशनल न्यूरल नेटवर्क' नामक तकनीक का उपयोग किया। सरल शब्दों में, यह एल्गोरिदम एक जेट के भीतर के कणों को केवल एक साधारण सूची के रूप में नहीं, बल्कि एक जुड़े हुए वेब या ग्राफ के रूप में देखता है। यह देखता है कि प्रत्येक कण अपने पड़ोसियों से कैसे संबंधित है, और स्प्रे की जटिल संरचना का विश्लेषण करके उसके मूल का निर्धारण करता है। इस दृष्टिकोण ने सिस्टम को भारी क्वार्कों से बने जेट और हल्के कणों से बने जेट के बीच सूक्ष्म अंतर देखने की अनुमति दी, जिसे पिछली विधियाँ नहीं देख सकी थीं।

शोधकर्ताओं ने इन नए एल्गोरिदम का परीक्षण 13.6 टेरा-इलेक्ट्रॉन-वोल्ट्स की ऊर्जा स्तर पर प्रोटॉन-प्रोटॉन टकराव से एकत्र किए गए डेटा का उपयोग करके किया, जो मशीन के लिए एक रिकॉर्ड उच्च स्तर है। उन्होंने दो मुख्य कार्यों पर ध्यान केंद्रित किया: बॉटम क्वार्क से निकलने वाले जेट्स और चार्म क्वार्क से निकलने वाले जेट्स की पहचान करना। परिणामों ने एक महत्वपूर्ण सुधार दिखाया। नया सिस्टम पिछले पीढ़ी के उपकरणों की तुलना में बैकग्राउंड के हल्के जेट्स को बहुत अधिक प्रभावी ढंग से खारिज करते हुए, बहुत अधिक सटीकता के साथ बॉटम क्वार्क जेट्स की पहचान कर सका। इसका अर्थ था कि ट्रिगर को अधिक समावेशी बनाया जा सकता था, जिससे उन दुर्लभ घटनाओं को अधिक कुशलता से रखा जा सके जिनका वैज्ञानिक अध्ययन करना चाहते हैं, बिना शोर से अभिभूत हुए। शायद इससे भी अधिक महत्वपूर्ण बात यह है कि नए सिस्टम ने इस ऑनलाइन फ़िल्टरिंग सिस्टम में पहली बार उच्च दक्षता के साथ चार्म क्वार्क जेट्स की पहचान करना संभव बना दिया। इसने उन प्रक्रियाओं के अध्ययन का मार्ग प्रशand खोल दिया जिनमें चार्म क्वार्क शामिल हैं, जिन्हें वास्तविक समय में अलग करना पहले बहुत कठिन था।

इस सुधार का प्रभाव भौतिकी के कई प्रमुख क्षेत्रों में तत्काल और मापने योग्य था। एक बड़ी सफलता चार बॉटम क्वार्कों में क्षय होने वाले हिग्स बोसोन के जोड़ों की खोज में थी। यह एक दुर्लभ प्रक्रिया है जो भौतिकविदों को यह समझने में मदद करती है कि हिग्स बोसोन स्वयं के साथ कैसे परस्पर क्रिया करता है। नए ट्रिगर्स ने प्रयोग को इन घटनाओं पर डेटा एकत्र करने की बहुत अधिक दक्षता के साथ अनुमति दी, जिससे कुछ ऊर्जा श्रेणियों में पिछले सेटअप की तुलना में उपयोगी घटनाओं की संख्या प्रभावी रूप से दोगुनी हो गई। इसी तरह, सिस्टम ने हिग्स बोसोन के अध्ययन की क्षमता में सुधार किया जब यह टॉप क्वार्क के एक जोड़े के साथ उत्पन्न होता है, जो कण के गुणों को समझने के लिए एक अन्य महत्वपूर्ण चैनल है। नए उपकरणों ने हिगर्स बोसोन के चार्म क्वार्कों में क्षय होने की समर्पित खोज को भी सक्षम बनाया, जो भारी बैकग्राउंड के कारण अतीत में ट्रिगर करना लगभग असंभव था। किसी घटना को सहेजने के लिए आवश्यक ऊर्जा थ्रेशोल्ड को कम करके, नए सिस्टम ने भौतिकविदों को उन निम्न ऊर्जा क्षेत्रों की खोज करने की अनुमति दी जो पहले दुर्गम थे।

टीम ने उच्च-ऊर्जा वाले कणों को संभालने के लिए इस एल्गोरिदम का एक विशेष संस्करण भी विकसित किया, जो इतनी तेजी से क्षय होते हैं कि उनके उत्पाद एक एकल, बड़े स्प्रे में मिल जाते हैं। यह तब आम होता है जब बहुत भारी कण उत्पन्न होते हैं और उच्च गति से चलते हैं। नया सिस्टम इन मर्ज किए गए जेट्स की उच्च सटीकता के साथ पहचान कर सकता था, जिससे प्रयोग की पहुंच और बढ़ गई। डेटा संग्रह अवधि के दौरान, शोधकर्ताओं ने इन एल्गोरिदम के प्रदर्शन की निरंतर निगरानी की, और उनके अनुमानों की तुलना एकत्र किए गए वास्तविक डेटा से की। उन्होंने पाया कि सिस्टम को डिजाइन करने के लिए उपयोग किए गए कंप्यूटर सिमुलेशन वास्तविक दुनिया के डेटा के बहुत करीब थे, जिससे पुष्टि हुई कि नए उपकरण विश्वसनीय और स्थिर थे। सिस्टम ने उच्च प्रदर्शन बनाए रखा, भले ही मशीन में एक साथ होने वाले टकरावों की संख्या बढ़ गई हो, जिसे 'पाइलअप' (pileup) कहा जाता है, जो अक्सर सरल डिटेक्टरों को भ्रमित कर देता है।

डेटा संग्रह अवधि के अंत तक, नए ट्रिगर्स प्रयोग के लिए मानक बन गए। उन्हें सैकड़ों टेराबाइट्स डेटा के विश्लेषण के लिए अपनाया गया, जिसने नई भौतिकी की खोजओं में सीधे तौर पर संवेदनशीलता में सुधार करने में योगदान दिया। इस कार्य ने प्रदर्शित किया कि उन्नत मशीन लर्निंग तकनीकों को कण भौतिकी ट्रिगर के स्प्लिट-सेकंड वातावरण में सफलतापूर्वक तैनात किया जा सकता है, जो कभी अत्यधिक कम्प्यूटेशनल रूप से कठिन माना जाता था। इस परियोजना की सफलता का अर्थ है कि CMS प्रयोग अब डेटा में गहराई तक देख सकता है, उन संकेतों को ढूंढ सकता है जो पहले शोर में छिपे हुए थे। यह क्षमता क्षेत्र के भविष्य के लिए आवश्यक है, क्योंकि कोलाइडर उच्च तीव्रता पर काम करना जारी रख रहा है, जो ब्रह्मांड के मूलभूत निर्माण खंडों के बारे में ज्ञात सीमाओं को आगे बढ़ा रहा है। वास्तविक समय में भारी को हल्के से, और दुर्लभ को सामान्य से अलग करने की क्षमता, आधुनिक कण भौतिकी का एक आधार स्तंभ बन गई है, जो यह सुनिश्चित करती है कि कोई भी संभावित खोज फिल्टर की सीमाओं के कारण खो न जाए।