CMS完成高堆积碰撞测试，为高亮度LHC运行验证粒子重建算法

2025年，大型强子对撞机(LHC)在数天内开展了一项专门测试，以模拟未来高亮度大型强子对撞机(HL-LHC)更接近实际运行的高强度碰撞环境。紧凑缪子线圈实验(CMS)团队利用这次机会，检验现有粒子追踪、识别和重建软件，以及一类新的机器学习方法，能否适应HL-LHC时代更复杂的碰撞条件。

在LHC运行中，质子束每次交叉时会同时产生多次质子—质子碰撞，这种现象被称为“堆积效应”。目前第三次运行中的同时相互作用约为65次，而HL-LHC预计将达到140至200次。为接近这一环境，LHC在此次研究中减少填充的质子束数量，使每次交叉可达到约150次同时相互作用，同时将总碰撞率和探测器辐射剂量控制在较低水平，避免现有探测器承受超出设计能力的条件。

CMS此次重点关注桶状区域。该区域量能器设计将在HL-LHC时代基本沿用，而端盖区域未来将换装新的探测器。研究人员比较了两类粒子重建方法：一种是CMS长期使用的粒子流(PF)技术，它通过既定规则整合径迹探测器、量能器和μ子系统信息;另一种是机器学习粒子流(MLPF)，由单一机器学习模型从模拟数据中学习粒子在探测器中的表现。两种方法还结合堆积粒子识别(PUPPI)技术，用于降低堆积相互作用对重建结果的干扰。

上图：在不同的堆积条件下，PF 和 MLPF 以类似的方式重建射流(粒子的准直喷雾)

测试结果显示，在高堆积和常规数据采集条件下，PF与MLPF对射流及其能量的重建结果总体保持一致，无需为高堆积环境进行特殊处理。MLPF此次测试仅使用正常条件下训练的数据，并未针对极端堆积情形重新训练。压力测试中，MLPF相较PF漏检了更多较弱的低能粒子，同时更倾向于识别较强的高能粒子;不过，两种方法重建出的每次事件总能量基本一致。

德克萨斯理工大学博士生瓦尔迪斯·斯洛肯伯格斯表示，提前预览探测器未来运行条件，有助于评估算法有效性，并为未来十年的对撞机物理研究奠定基础。

CMS团队认为，此次结果具有积极意义。包括标准PF、MLPF和PUPPI在内的粒子流工具链，在接近HL-LHC的条件下仍展现出稳定性能。MLPF与PF出现差异的少数环节，也为后续重新训练和优化提供了明确方向。随着端盖区域相关研究继续推进，这些早期测试将帮助CMS更好地为HL-LHC运行阶段做准备。