I.基本信息 美国能源部 (DOE) 科学办公室 (SC) 执行摘要 DOE 核物理 (NP) SC 项目特此宣布其有意接收针对人工智能 (AI) 和机器学习 (ML) 的研发 (R&D) 申请,用于自主优化和控制与当前或下一代 NP 加速器设施和科学仪器相关的加速器和探测器,以及应用 AI/ML 推进核物理计算的应用。当前和计划中的 NP 设施和科学仪器在理论、模拟、控制、数据采集和数据分析方面面临各种技术挑战。AI 方法和技术有望解决这些挑战并缩短实验和计算发现的时间表。此 NOFO 的方法是支持 AI/ML 在 NP 所有研究领域的开发和应用,以扩大和加速科学范围和发现。机遇包括利用 AI 应对自主控制方面的挑战、提高加速器和科学仪器的运行效率、为未来对撞机实现数字孪生、从大型复杂数据集中高效提取关键信息以及实现数据驱动的新物理发现。主要研究领域可能包括: • 从大型复杂数据集中高效提取关键和战略信息: • 为未来对撞机开发和实施数字孪生; • 努力应对自主控制和实验的挑战, • 提高加速器和科学仪器的运行效率, • 部署 AI 以减少大型和/或复杂的实验数据, • 开发软件以实现数据驱动的新物理发现 上面列出的每个研究领域的描述可参见第 III 节(补充信息)。此 NOFO(第 IX 节)需要意向书 (LOI)。此 NOFO(第 IX 节)接受新申请和续签申请。所有类型的国内申请人均有资格申请,但第 II.A 节中概述的例外情况除外。DOE/NNSA 国家实验室有资格根据本 NOFO 提交申请,并可根据其他组织的申请(第 II 节)被提议为次级接受者。
KEKB 是一台 8x3.5 GeV 非对称电子-正电子对撞机,旨在实现质心能量为 10.58 GeV 的电子-正电子对撞。其使命是支持高能物理研究计划,研究 B 介子衰变中的 CP 破坏和其他主题。其目标光度为 10 34 cm~ 2 s~ 1 。KEKB 经日本政府批准,于 1994 年 4 月正式开始建设,为期五年。KEKB 的两个环(低能环 LER 用于 3.5 GeV 的正电子,高能环 HER 用于 8 GeV 的电子)将建在现有的 TRISTAN 隧道中,隧道周长为 3 公里。TRISTAN 的基础设施将得到最大程度的利用。利用较大的隧道宽度,KEKB 的两个环将并排建造。由于束流轨迹的垂直弯曲往往会增加垂直束流发射率,因此其使用量被最小化。
我们报告了量子和经典机器学习技术之间的一致比较,这些技术应用于对矢量玻色子散射过程的信号和背景事件进行分类,该过程在欧洲核子研究中心实验室安装的大型强子对撞机上进行研究。基于变分量子电路的量子机器学习算法在免费提供的量子计算硬件上运行,与在经典计算设施上运行的深度神经网络相比,表现出非常好的性能。特别是,我们表明这种量子神经网络能够正确地对信号进行分类,其特征曲线下面积 (AUC) 非常接近使用相应的经典神经网络获得的特征曲线下面积 (AUC),但使用的资源数量要少得多,训练集中的可变数据也较少。尽管这项工作是在有限的量子计算资源下给出原理证明的演示,但它代表了
摘要:中国拟建的超级金牛座神灯装置(STCF)是新一代正负电子对撞机,质心能量为2~7 GeV,峰值亮度为0.5×1035cm−2s−1。开发了STCF离线软件(OSCAR),支持离线数据处理,包括探测器仿真、重建、刻度以及物理分析。针对STCF的具体要求,OSCAR基于HEP实验轻量级通用软件SNiPER框架进行设计和开发。除了常用的 Geant4 和 ROOT 软件外,OSCAR 还采用了 HEP 社区中一些最先进的软件包和工具,例如探测器描述工具包 (DD4hep)、普通旧数据 I / O (podio) 和英特尔线程构建模块 (TBB) 等。本文将介绍 OSCAR 的总体设计和一些实现细节,包括事件数据管理、基于 SNiPER 和 TBB 的并行数据处理以及基于 DD4hep 的几何管理系统。目前,OSCAR 已全面投入使用,以促进 STCF 探测器的概念设计和其物理潜力的研究。
我们在蒙特卡洛事件生成的生成对抗学习的背景下提出并评估了一种替代性量子发生器结构,用于模拟大型强子对撞机(LHC)的分类物理过程。我们通过在已知的非衍生分布生成的人工数据上实现量子网络来验证这种方法。然后将网络应用于特定LHC散射过程的蒙特卡洛生成的数据集。新的量子发生器体系结构可导致最先进的实现的一般化,即使使用浅深度网络,也可以实现较小的kullback-leibler dibergence。此外,即使接受了小型培训样本集训练,量子发生器也成功地学习了基础分布功能。这对于数据八月应用特别有趣。我们将这种新颖的方法部署在两个不同的量子硬件体系结构,被困的离子和超构造技术上,以测试其硬件独立的生存能力。
已经提出,在重离子碰撞的早期阶段产生的强电磁场可能会导致迅速性odd的阳性和阴性载体的速度分裂。对于浅亨德(Div>),这种测量值的解释是由于导向流的低幅度以及由运输的夸克引起的歧义而变得复杂。为了克服这些并发症,我们建议仅使用携带产生夸克的哈德子(u,d,s,s)进行测量。我们讨论了如何通过合并机制生产这种哈子的运动学,因此它们的流量是其组成夸克的流量的总和。使用此总和验证了某些HADRON的组合,可以测量预期的系统违反该规则,而增加电荷的增加,这可能是碰撞中产生的电磁场的结果。我们的方法可以通过相对论重离子对撞机(RHIC)的光束能量扫描(BES)程序的II阶段的高统计数据进行测试。
费米实验室的使命是成为粒子物理发现的前沿实验室。该加速器综合设施为宇宙基本性质的研究提供了动力,是世界上唯一一个既能为科学生产低能和高能中微子束,又能进行精密科学实验的加速器综合设施。长基线中微子设施 (LBNF) 和深层地下中微子实验 (DUNE) 的建设,以及质子改进计划 II (PIP-II) 项目实现的世界上最强的中微子束,将成为美国能源部国家实验室的第一个国际大科学项目。费米实验室通过其在中微子、对撞机、精密和宇宙科学方面的实验和项目,将美国研究人员整合到全球粒子物理事业中。该实验室的科学研发推动了加速器、探测器、计算和量子技术在科学和社会中的应用。
据报道,在大型强子对撞机上使用𝑝𝑝碰撞数据的𝑊碰撞数据的电孔和光子与√𝑠= 13 tev的中心的观测。数据是通过ATLAS实验从2015年到2018年记录的,对应于140 fb -1的综合发光度。此过程通过矢量玻色子散射机制对四分尺仪玻色子耦合敏感,并对标准模型的电动型扇区进行了严格的测试。。多元技术用于区分electroweak的过程与不可还原背景过程。与6.3个标准偏差相比,Electroweak 𝑊𝛾𝑗𝑗过程的显着性远高于六个标准偏差。信托和差异横截面是在接近检测器接受度的基准相空间中测量的,这与Madgraph5+Pythia8和Sherpa的领先顺序标准模型预测合理一致。结果用于在有效的现场理论的背景下限制新的物理效应。
量子角度生成器 (QAG) 是一种全新的全量子机器学习模型,旨在在电流噪声中间尺度 (NISQ) 量子设备上生成精确的图像。变分量子电路构成了 QAG 模型的核心,并评估了各种电路架构。结合所谓的 MERA 上采样架构,QAG 模型获得了出色的结果,我们对这些结果进行了详细的分析和评估。据我们所知,这是量子模型首次获得如此精确的结果。为了探索模型对噪声的稳健性,进行了广泛的量子噪声研究。本文证明了在物理量子设备上训练的模型可以学习硬件的噪声特性并生成出色的结果。经验证,即使训练期间量子硬件机器校准变化高达 8% 也可以很好地容忍。为了演示,该模型被用于高能物理学中不可或缺的模拟,以测量粒子能量,并最终在欧洲核子研究中心的大型强子对撞机上发现未知粒子。
这封信报告了使用140的观察到𝑊𝑍𝛾产量和横截面的测量。1±1。2 fb - 1的质子 - 原始碰撞数据记录在大型强子对撞机的Atlas检测器的质量中心能量中。生产横截面,the the the the the the the the和boson均具有腐烂的腐烂,𝑝𝑝→𝑊𝑍𝛾→ℓ'± + + + 𝜈ℓ +ℓ-𝛾-('('')=𝑒,𝜇,𝜇)在基础空间区域中测量,以使得lepton和光子具有高的跨度势头,并具有较高的光子势头。发现横截面为2。01±0。30(Stat。)±0。16(Syst。)fb。相应的标准模型预测在扰动量子染色体动力学中以近代领先顺序计算的横截面,在电动量子耦合常数中以领先顺序为1。50±0。06 fb。观察到的𝑊𝑍𝛾信号的显着性为6。3 𝜎,与预期意义为5相比。0 𝜎。