[论文解读] Event Generators for High-Energy Physics Experiments

J. M. Campbell, M. Diefenthaler+210 more|arXiv (Cornell University)|Jan 1, 2022

Advanced Data Storage Technologies参考文献 1,243被引用 55

一句话总结

本文全面概述了高能物理实验中蒙特卡洛事件生成器的发展，强调其在模拟粒子碰撞中的作用。文章概述了当前的发展动态、共享的物理模型，以及通过协调调优和数据保存以减少系统性不确定性的必要性，从而提升未来实验的精度。

ABSTRACT

We provide an overview of the status of Monte-Carlo event generators for high-energy particle physics. Guided by the experimental needs and requirements, we highlight areas of active development, and opportunities for future improvements. Particular emphasis is given to physics models and algorithms that are employed across a variety of experiments. These common themes in event generator development lead to a more comprehensive understanding of physics at the highest energies and intensities, and allow models to be tested against a wealth of data that have been accumulated over the past decades. A cohesive approach to event generator development will allow these models to be further improved and systematic uncertainties to be reduced, directly contributing to future experimental success. Event generators are part of a much larger ecosystem of computational tools. They typically involve a number of unknown model parameters that must be tuned to experimental data, while maintaining the integrity of the underlying physics models. Making both these data, and the analyses with which they have been obtained accessible to future users is an essential aspect of open science and data preservation. It ensures the consistency of physics models across a variety of experiments.

研究动机与目标

• 评估高能物理实验中使用的蒙特卡洛事件生成器的当前状态。
• 识别在多个实验和探测器系统中广泛使用的共同物理模型和算法。
• 强调通过协调调优和开放科学实践改进事件生成器开发的机遇。
• 倡导保存实验数据和分析工具，以确保未来研究的一致性和可重现性。
• 通过提升模型保真度和数据驱动调优，减少物理预测中的系统性不确定性

提出的方法

• 本文综合了来自主要高能物理合作组织中理论家和实验家的广泛意见。
• 基于其对量子场论计算、部分子喷注演化和强子化模型的实现，评估事件生成器。
• 分析调优参数在将模拟结果与实验数据匹配中的作用，强调需要系统化和透明的程序。
• 提倡使用共享软件框架和标准化接口，以提升互操作性和可重现性。
• 主张长期保存实验数据以及用于调优事件生成器的分析工作流。
• 强调将下一阶（NLO）和固定阶QCD计算与部分子喷注重求和技术相结合

实验结果

研究问题

• RQ1 如何改进事件生成器，以更好地反映不同实验设置中高能碰撞的物理本质？
• RQ2 哪些共同模型和算法被多个实验广泛使用，如何实现统一以减少冗余并提高一致性？
• RQ3 在保持基本理论原则的前提下，将事件生成器调优至实验数据面临哪些关键挑战？
• RQ4 开放科学实践如何确保事件生成器调优和分析工作流的长期可访问性和可重现性？
• RQ5 事件生成器中的系统性不确定性在多大程度上限制了实验测量的精度？

主要发现

• 事件生成器是连接理论预测与高能物理实验数据的关键工具。
• 部分子喷注、矩阵元匹配和强子化方案等共同模型在多个实验中广泛使用，构成了仿真的共享基础。
• 事件生成器中的系统性不确定性是实验误差的主要来源，可通过协调调优和提升模型保真度来减少。
• 保存实验数据以及用于调优事件生成器的分析流程，对长期一致性与可重现性至关重要。
• 通过社区驱动的统一方法推进事件生成器开发，可实现更精确的物理解释，并减少对临时调优的依赖。
• 将固定阶QCD计算与部分子喷注重求和技术相结合已成为标准做法，显著提升了模拟精度