Speaker
想 李
(中国科学技术大学)
Description
新一代正负电子对撞机的终极物理目标是实现对希格斯 (Higgs) 玻色子性质的
精确测量，这对强子量能器 (AHCAL) 的能量分辨率提出了极其严苛的要求。新一
代高颗粒度 AHCAL 能够记录强子簇射极其精细的三维空间分布。为验证其硬件性
能，AHCAL 样机在 CERN 共进行了三次束流测试，获取了大量 μ、e 和 π 束流数
据。
为此，本研究创新性地引入了先进的机器学习算法，旨在通过深度挖掘簇射的
物理演化规律突破这一性能瓶颈。本工作设计了高度契合高粒度数据特征的算法架
构：该架构能够逐层扫描能量沉积以高效提取复杂的横向空间拓扑特征，并精准学习
强子簇射在纵向深度上的逐层级联发展。我们将该算法不仅应用于蒙特卡洛 (MC)
模拟数据，更直接应用于真实的束流测试数据。结果显示，在模拟与真实物理测量
双重环境下，该模型均对 AHCAL 的核心仪器性能实现了巨大的提升。与传统算法
相比，机器学习模型在全能区展现出更好的线性度响应，其重建的能量分辨率也提
升了约 20%
| 请选择分会 | 粒子物理实验技术 |
|---|
Primary author
想 李
(中国科学技术大学)
