CMS réussit des tests de collision à haute empilement pour valider les algorithmes de reconstruction de particules en vue du fonctionnement du HL-LHC

En 2025, le Grand collisionneur de hadrons (LHC) a mené un test spécialisé sur plusieurs jours afin de simuler un environnement de collision à haute intensité plus proche des conditions réelles du futur Grand collisionneur de hadrons à haute luminosité (HL-LHC). L'équipe de l'expérience Compact Muon Solenoid (CMS) a profité de cette occasion pour vérifier si les logiciels existants de suivi, d'identification et de reconstruction de particules, ainsi qu'une nouvelle classe de méthodes d'apprentissage automatique, pouvaient s'adapter aux conditions de collision plus complexes de l'ère HL-LHC.

Dans le fonctionnement du LHC, chaque croisement de faisceaux de protons génère simultanément plusieurs collisions proton—proton, un phénomène appelé « effet d'empilement ». Actuellement, lors de la troisième période d'exploitation, le nombre d'interactions simultanées est d'environ 65, tandis que le HL-LHC devrait atteindre 140 à 200. Pour se rapprocher de cet environnement, le LHC a réduit le nombre de paquets de protons injectés lors de cette étude, permettant d'atteindre environ 150 interactions simultanées par croisement, tout en maintenant le taux de collision total et la dose de radiation sur les détecteurs à des niveaux modérés, afin d'éviter de soumettre les détecteurs existants à des conditions dépassant leurs capacités de conception.

CMS s'est particulièrement concentré sur la région du tonneau. Les calorimètres de cette région seront essentiellement conservés à l'ère du HL-LHC, tandis que les régions des bouchons seront équipées de nouveaux détecteurs. Les chercheurs ont comparé deux méthodes de reconstruction de particules : l'une est la technique du flux de particules (PF) utilisée depuis longtemps par CMS, qui intègre les informations des trajectographes, des calorimètres et du système à μ selon des règles établies ; l'autre est le flux de particules par apprentissage automatique (MLPF), où un modèle unique d'apprentissage automatique apprend à partir de données simulées le comportement des particules dans les détecteurs. Les deux méthodes ont également été combinées à la technique d'identification des particules d'empilement (PUPPI) afin de réduire l'interférence des interactions d'empilement sur les résultats de reconstruction.

Figure ci-dessus : dans différentes conditions d'empilement, PF et MLPF reconstruisent les jets (sprays collimatés de particules) de manière similaire

Les résultats des tests montrent que, dans des conditions de haute accumulation et de collecte de données conventionnelle, PF et MLPF produisent des résultats globalement cohérents pour la reconstruction des jets et de leur énergie, sans nécessiter de traitement spécial pour l'environnement à haute accumulation. MLPF n'a été entraîné lors de ce test qu'avec des données dans des conditions normales, sans réentraînement spécifique pour les situations d'empilement extrême. Lors des tests de contrainte, MLPF a manqué davantage de particules de faible énergie et plus faibles par rapport à PF, tout en ayant tendance à identifier davantage les particules de haute énergie plus fortes ; néanmoins, l'énergie totale reconstruite par événement par les deux méthodes est restée globalement identique.

Valdis Slokenbergs, doctorant à l'Université Texas Tech, a indiqué qu'apercevoir à l'avance les futures conditions de fonctionnement du détecteur permet d'évaluer l'efficacité des algorithmes et de poser les bases de la recherche en physique des collisionneurs pour la prochaine décennie.

L'équipe CMS considère ces résultats comme positifs. La chaîne d'outils du flux de particules, comprenant le PF standard, le MLPF et le PUPPI, démontre une stabilité de performance dans des conditions proches de celles du HL-LHC. Les quelques domaines où MLPF diffère de PF fournissent également des orientations claires pour un futur réentraînement et une optimisation. Alors que les recherches sur les régions des bouchons se poursuivent, ces tests précoces aideront CMS à mieux se préparer pour la phase d'exploitation du HL-LHC.