Als Teil ihres Bestrebens, die Bausteine der Materie zu verstehen, suchen Physiker nach Hinweisen für neue Teilchen, die die Existenz von physikalischen Vorgängen jenseits des Standardmodells bestätigen könnten. Viele dieser Theorien postulieren die Notwendigkeit für weitere Partnerteilchen des Higgs-Bosons. Diese Partnerteilchen würden sich ähnlich wie das Higgs-Boson des Standardmodells verhalten, beispielsweise in Bezug auf ihren Spin, aber hätten eine andere Masse.
Um nach Higgs-Partnerteilchen zu suchen, hielten Wissenschaftler der CMS Collaboration Ausschau nach den Signaturen dieser Teilchen in den von dem Detektor gesammelten Daten. Eine solche Signatur entsteht, wenn die Teilchen von einem schweren Higgs-Partnerteilchen (X) in zwei leichtere Partnerteilchen (φ) zerfallen, die wiederum jeweils in ein gebündeltes Photonenpaar zerfallen. Photonensignaturen sind ideal für die Suche nach Teilchen mit unbekannten Massen und bieten eine saubere, gut verstandene Signatur. Wenn das φ allerdings sehr leicht ist, dann werden sich die beiden Photonen gegenseitig deutlich überlagern und die Werkzeuge, die normalerweise für die Identifizierung verwendet werden, sind nutzlos.
Hier kommt die künstliche Intelligenz (KI) ins Spiel. Es ist gut bekannt, das Methoden des maschinellen Lernens zwischen vielen Gesichtern unterscheiden können und jetzt werden derartige KI-Methoden zu nützlichen Hilfsmitteln in der Teilchenphysik.
Das CMS-Experiment suchte nach den X- und φ-Partnern des Higgs-Bosons mittels des hypothetischen Prozesses X→φφ, wobei beide φ in gebündelte Photonenpaare zerfallen. Dafür trainierten sie zwei KI-Algorithmen, um die überlagernden Photonenpaare von dem Rauschen zu unterscheiden, und die Masse des Teilchens, aus dem sie hervorgingen, präzise zu bestimmen. Es wurde ein breites Spektrum an Massen untersucht. Es fanden sich keine Hinweise auf solche neuen Teilchen, so dass eine obere Grenze für die Produktionsrate dieses Prozesses gesetzt werden konnte. Das Ergebnis ist die bislang empfindlichste Suche nach solchen Higgs-änlichen Teilchen.
Wie können die Wissenschaftler die Effektivität der KI prüfen? Es ist nicht so leicht wie die KI-Gesichtsunterscheidung, wo man einfach durch Hinschauen prüfen kann. Dankenswerterweise besitzt das Standardmodell gut verstandene Prozesse, die die CMS-Physiker nutzten, um die KI-Methoden zu validieren und zu steuern. Zum Beispiel lieferte das η-Meson, das ebenfalls in zwei Photonen zerfällt, ein ideales Testumfeld. Die CMS-Forscher konnten das η-Meson klar identifizieren und rekonstruieren, als sie nach seinem Zerfallsprozess (in zwei Photonen) suchten und diese KI-Methoden anwandten.
Diese Analyse zeigt deutlich, dass KI-Algorithmen verwendet werden können, um Signaturen zweier Photonen eindeutig von dem Rauschen zu unterscheiden und nach neuen, massereichen Teilchen zu suchen. Diese Methoden des maschinellen Lernens werden kontinuierlich verbessert und bei einzigartigen Analysen der LHC-Daten eingesetzt, was die CMS-Suchprojekte auf sogar noch anspruchsvollere Fälle ausweitet.
(THK)
Antworten