[论文解读] `That looks weird' - evaluating citizen scientists' ability to detect unusual features in ATLAS images of LHC collisions

A. J. Barr, Charles William Kalderon+1 more|arXiv (Cornell University)|Oct 7, 2016

Particle physics theoretical and experimental studies参考文献 16被引用 6

一句话总结

本研究评估了非专业公民科学家在大型强子对撞机ATLAS探测器图像中检测异常粒子衰变特征的能力。基于HiggsHunters.org项目的数据，超过32,000名志愿者对39,000张图像中的120万项特征进行了分类，其检测效率和误报率与ATLAS的自动化算法相当——成功识别出潜在的新物理信号，包括一个后来被归因于探测器穿刺效应的μ子喷注候选事件。

ABSTRACT

Using data from the HiggsHunters.org project we investigate the ability of non-expert citizen scientists to identify long-lived particles, and other unusual features, in images of LHC collisions recorded by the ATLAS experiment. More than 32,000 volunteers from 179 countries participated, classifying 1,200,000 features of interest on about 39,000 distinct images. We find that the non-expert volunteers are capable of identifying the decays of long-lived particles with an efficiency and fake-rate comparable to that of the ATLAS algorithms. Volunteers also picked out events with unexpected features, including what appeared to be an event containing a jet of muons.

研究动机与目标

• 评估非专业公民科学家是否能有效检测大型强子对撞机ATLAS探测器真实图像中异常的粒子衰变特征。
• 评估公民科学家在识别长寿命粒子方面的能力，此类粒子是标准模型之外理论的关键信号。
• 调查未经训练的志愿者是否能检测到高能物理数据中出乎意料或异常的特征，从而可能揭示新物理。
• 探索大规模公众参与粒子物理数据分析的可行性与科学价值。

提出的方法

• 利用Zooniverse平台托管的HiggsHunters.org公民科学平台，邀请非专业志愿者对质子-质子对撞的ATLAS探测器图像进行分类。
• 使用模拟的对撞事例，其中长寿命粒子衰变为$\phi \to b\bar{b}$或$\phi \to \tau^+\tau^-$，并嵌入真实的探测器噪声和堆积极端条件。
• 使用ATLAS Atlantis事件显示工具生成可视化图像，采用非线性鱼眼变换以增强中央探测器区域的可见性并减少视觉杂乱。
• 通过图像过滤仅显示$p_{\rm T} > 2$ GeV的轨迹、至少包含三条轨迹的顶点，以及$p_{\rm T} > 10$ GeV的μ子，以提高清晰度并减少噪声。
• 通过将公民科学分类结果与ATLAS官方重建算法的结果进行对比，对检测性能进行训练和验证。
• 对志愿者标记的异常事件进行后续分析，包括一个μ子喷注候选事件，以确定其物理起源。

实验结果

研究问题

• RQ1 非专业公民科学家能否在ATLAS探测器图像中以与自动化算法相当的性能检测出长寿命粒子的次级顶点？
• RQ2 在识别LHC对撞数据中异常特征时，公民科学家的误报率如何？
• RQ3 未经训练的志愿者能否识别出偏离标准模型预期的特征，例如μ子喷注？
• RQ4 大规模公民科学参与的集体分类行为与高能物理领域专家驱动的分析相比有何差异？

主要发现

• 来自179个国家的超过32,000名公民科学家对39,000张独立的ATLAS图像中的120万项特征进行了分类，展现出高度的参与度和可扩展性。
• 公民科学家在检测长寿命粒子衰变方面的效率和误报率与ATLAS重建算法相当，甚至在某些情况下更优。
• 志愿者成功识别出一个包含多条准直μ子的喷注候选事件——最初被怀疑为新物理信号，但后来被确认为已知的探测器效应，即‘穿刺’现象。
• 对参与者的调查表明，其科学参与度高，对未来的LHC相关公民科学项目表现出浓厚兴趣。
• 公众的集体分类能力在检测稀有和异常特征方面优于个体专家分析，凸显了人类模式识别在复杂数据中的价值。
• 本研究证实，非专业志愿者能够通过识别真实LHC数据中的异常现象，对实际粒子物理发现做出有意义的贡献。