XiaoMi-AI文件搜索系统
World File Search SystemLHC
重型离子碰撞。夸克Gluon等离子体
§简介。HIC的历史。 §LHC实验：Alice，LHCB，CMS和Atlas Physics可观察：§全球性能§重型夸克和高pt§quarkonia§photon和diloptonHIC的历史。§LHC实验：Alice，LHCB，CMS和Atlas Physics可观察：§全球性能§重型夸克和高pt§quarkonia§photon和dilopton
ATLAS Inner Tracker 像素探测器的开发（ITk ...
摘要：ATLAS 是 LHC 的两个主要实验之一，目的是研究物质的微观特性，以回答粒子物理学最基本的问题。在首次数据运行取得成功之后，LHC 通过三次加速器升级，突破了质心和亮度的能量极限，从而扩大了新发现和精确测量的可能性，最终形成了高亮度 LHC（HL-LHC）。 ）。为了充分利用增加的亮度，计划对 ATLAS 内部探测器进行两次重大升级。第一次升级已于 2015 年初完成，插入了 IBL，即距离光束线仅 3.2 厘米的第四个像素层。第二次重大升级定于 2024 年进行，整个内部探测器将被完全由硅器件制成的全新内部跟踪装置取代，以应对 HL-LHC 的高粒子密度和强辐射环境，该装置在运行期间运行期间将提供 3000 fb −1，几乎是整个 LHC 计划内部光度平均值的十倍。本论文讨论的是
关键事实和数据 – CERN 数据中心
未来：LHC 和 CERN 实验的持续升级和整合计划将导致未来几年 ICT 需求大幅增加，超出预期，在固定投资预算下，存储和计算能力的预期增长幅度达数倍。LHC 的继任者高亮度 LHC 计划于 2027 年左右上线。到那时，实验将收集比以前多 10 倍的物理事件（每年约 EB 量级），这些事件的处理将更加复杂。使用现有的计算硬件投资来存储和分析这些事件将非常具有挑战性。在此背景下，将于 2020 年为建立新的 CERN 数据中心准备招标。还研究和开发了以下列出的其他几种解决方案。
梁的第一个实验证据 -
在高强度和高能量山脉中，例如CERN大型强子对撞机（LHC）及其未来的高发光升级，在不同相互作用点周围的两个梁之间的相互作用施加了机器性能的限制。实际上，它们的作用降低了光束寿命，因此，对撞机的光度达到了。这些相互作用称为梁束长距离（BBLR）相互作用，并且在2000年代初首次提出了使用直流线来缓解其效果。目前正在研究该解决方案，以作为增强HL-LHC性能的选项。在2017年和2018年，LHC已安装了四个电线补偿器的示威者。 随后进行了为期2年的实验活动，以验证减轻LHC中BBLR相互作用的可能性。 在此活动中，概念证明完成并激发了一组其他实验，成功地证明了BBLR相互作用在光束条件下与操作配置兼容的效果。 本文详细报告了实验活动的准备，包括相应的跟踪模拟和获得的结果，并为未来提供了一些观点。在2017年和2018年，LHC已安装了四个电线补偿器的示威者。随后进行了为期2年的实验活动，以验证减轻LHC中BBLR相互作用的可能性。在此活动中，概念证明完成并激发了一组其他实验，成功地证明了BBLR相互作用在光束条件下与操作配置兼容的效果。本文详细报告了实验活动的准备，包括相应的跟踪模拟和获得的结果，并为未来提供了一些观点。
核研究所和物理研究方法，A
随着 LHC 加速器的建成，高能物理电子学开启了新的篇章。这种高亮度强子对撞机在加速质子迎头碰撞点附近建造的探测器系统中产生了前所未有的辐射背景，这对电子设备的可靠功能尤其不利。例如，表 1 描述了 LHC 两个通用探测器系统之一（ATLAS）的辐射背景，图 1 显示了另一个（CMS）的横向视图，以说明不同专用探测器层的位置。90 年代初，人们已经清楚地认识到，跟踪器的电子设备需要具有前所未有的抗辐射能力，而 HEP 社区必须获得有关电子设备和电路中辐射效应的新能力。随着高亮度 LHC 升级的批准，辐射背景增加了 10 倍，事情变得更具挑战性。
数字版 - CERN Courier
从 2010 年 3 月的第一次 3.5 TeV 碰撞到今年早些时候首次长时间关闭，LHc 已经经历了三年的性能提升。本期将介绍 LHC 在首次长时间运行期间成功运行的幕后原因。可靠的低温系统和坚固、精密的系统可防止存储在光束和磁铁中的巨大能量不受控制地损失，从而使机器能够进行大量碰撞，从而导致人们期待已久的希格斯玻色子的发现。与此同时，LHc 实验的结果不断涌现，包括 CMS 和 LHCb 观察到 B 介子中极为罕见的衰变 - 这是最近夏季会议的亮点之一。要订阅新问题提醒，请访问：http://cerncourier.com/cws/sign-up。
cerncourier
这个问题的问题探讨了LHC在高能量边界（P40）的前10年物理学的巨大影响，并在此期间听到了那些处于机器敏锐的末端的人和实验（P33）的声音。LHC的故事还有很长的路要走，它与Ligo有相似之处，并寻求检测引力波。在1987年，当CERN理事会成立的计划小组建议使用高幼体质子 - 普罗顿对撞机，质量为13-15 TEV时，Ligo刚刚成立为Caltech/MIT项目。LIGO的现场建设始于1994年，即LHC批准的那一年，二十年后，这两个基础设施使历史悠久，直接发现了Higgs Boson和重力波。现在，随着高光度LHC的升级和增强的高级LIGO“ Plus”，物理学家正在争夺建立Higgs工厂和第三代重力波干涉仪，以全面利用这些层状发现。对前者的计划一直是欧洲战略更新的讨论中心，即将得出结论，而正如我们在P53上报告的，欧洲的两个地点正在竞标主持爱因斯坦望远镜（ET）。干涉仪可能比对船员便宜，但是，正如前LIGO总监Barry Barish在我们对P61的采访中所解释的那样，像ET这样的项目需要专业管理，艰难的决策和健康的风险需求。
机器学习符合高X相位空间
随着LHC过渡到精确测量机，质子Parton分布函数（PDFS）已成为分析的不确定性的主要来源，例如顶部夸克质量或HIGGS玻色子宽度的测量值。此外，在LHC处探测最有能力的碰撞时，高摩肌分数（High-X）尤其感兴趣。因此，在此制度中理解并有可能减少PDF不确定性至关重要。使用机器学习技术，我们构建了对High-X机制中Gluon PDF敏感的判别，将在将来的PDF拟合中使用。
如何了解生成网络的局限性
与整个社会一样，LHC物理学目前正在经历由现代数据科学驱动的转型。LHC物理学的实验和理论方法本质上一直是数量的，其目标是定量，系统地和全面地从基本理论方面了解数据。生成网络是现代机器学习（ML）的一个令人兴奋的概念，将无监督的密度估计与可解释的相空间中的密度估计与快速，灵活的采样和仿真相结合[1]。当前，精确生成的最有希望的杂物是使流量及其可逆网络（INN）变体，但我们会看到扩散模型和生成变压器可能会提供更好的精确和表现力平衡。LHC模拟和分析中生成网络的任务范围是广泛的。鉴于LHC模拟的模块化结构，它始于相位空间的集成和SAMPOR的[2-7]，例如ML编码的过渡幅度。更多的LHC特定任务包括事件减法[8]，事件不体[9，10]或超分辨率增强[11，12]。在物理相空间上工作的生成网络已被开发并测试为事件发生器[13 - 18]，Parton Showers [19-23]和检测器模拟[24 - 48]。这些网络应接受第一原则模拟的培训，易于处理，有效运输，可以放大培训样本[49，50]，并且 - 最重要的是 - 精确。在本文中，我们将探讨基于分类器的粒子物理学生成网络评估的优点。超越了前进，有条件的生成网络也可以应用于概率展开[51 - 56]，推理[57，58]或异常检测[59 - 64]，从而增强了精确要求。对于上述所有任务，标准化流量或旅馆都达到了LHC物理学所需的精度，稳定和控制的水平。控制这些属性网络性能的方法包括贝叶斯网络设置[18，65]，分类器 - 剥离[18，66 - 68]和增强数据的有条件培训[18]。基于这些发展，LHC物理学需要系统地评估生成网络的性能和精度[69]，例如通过新的体系结构量化可能的收益[39，70 - 72]。我们将首先定义这种系统评估的目标，然后在SEC中介绍分类器指标。2。我们将在第二节中介绍我们的喷气发射机[69]。3，并在更多细节中讨论与参考文献相似的热量计仿真。[33]4。最后，我们将展示如何使用事件权重来跟踪Sec中ML-Event Generator [18]之间的两个版本之间的进度。5。我们还将说明如何进行针对异常权重的运动学分布进行系统扫描，可以确定训练有素的网络问题以及贝叶斯网络如何帮助我们确定这种差异的原因。所有三个应用程序结合在一起，说明了在相位空间上学习的控制权重的分布是生成网络及其形状提供强大的“可解释的AI”（XAI）工具的可靠度量，该工具使我们能够系统地搜索生成模型的故障模式，确定潜在的物理学原因，并提高测试过的网络高效。