匹兹堡卡内基梅隆大学的物理学家距离为CERN大型强子对撞机(LHC)的紧凑型Muon螺线管(CMS)实验建造新粒子探测器又近了一步。

原型粒子探测器项目打破里程碑

由物理学助理教授JohnAlison和物理学教授兼梅隆科学学院教职和研究生事务副院长ManfredPaulini领导的团队已成功构建并测试了高粒度量热仪(HGC)的原型，对当前CMS检测器的升级。一方面，构建功能原型是几年来的一个重要里程碑。另一方面，这一里程碑是未来三年内制造项目的第一步。

“CMS可以被认为是一个大型3D相机，它记录LHC提供的质子-质子碰撞的产物，”Alison说。“例如，从探测器收集的图像被用来在2012年发现希格斯玻色子。”

自从发现希格斯玻色子以来，粒子物理学的一个主要焦点就是详细研究希格斯玻色子的性质，寻找粒子物理学标准模型无法预测的新粒子。将测量结果与预测进行比较将允许测试新理论，但需要更多数据。

大型强子对撞机有一个为期15年的计划，旨在将质子碰撞总数增加20倍。该计划需要更快地收集更多数据，但代价高昂：辐射增加。除了产生新的奇异物质状态——如希格斯玻色子——大型强子对撞机质子碰撞还会产生大量电离辐射。这种辐射类似于核反应堆产生的辐射，对人体和构成探测器的仪器有害。

目前的CMS探测器建造于将近20年前，其设计无法应对未来大型强子对撞机运行期间预期的辐射损伤量。需要新的、升级的探测器既可以提高记录图像的质量，又可以应对更具挑战性的辐射环境。这就是高粒度热量计升级的用武之地。

大数据变得更大

HGC将在辐射最严重的地区取代当前的CMS探测器。作为下一代成像量热仪，HGC将显着提高LHC碰撞成像的精度。每张图片的单独测量数量将从当前检测器中的约20,000次增加到HGC中的约600万次。单个粒子的测量将从当前探测器提供的少数数字转变为高分辨率3D电影，展示粒子在穿过探测器时如何相互作用。

HGC将在未来五年建成，卡内基梅隆大学在建设中发挥主导作用。HGC将由30,000个20厘米的六边形模块组成。这些模块——本质上是耐辐射数码相机——将被平铺成直径数米的轮子。然后将轮子堆叠起来形成完整的3D探测器。HGC总共需要600平方米的有源硅传感器。

Alison、Paulini和新任物理学助理教授ValentinaDutta将在工程师、技术人员和学生的帮助下，在WeanHall实验室建造并测试其中的5,000个模块。其余模块将由美国加州大学圣巴巴拉分校和德克萨斯理工大学的CMS合作者以及中国、印度和的团队制作。每个模块都包含一个硅传感器，该传感器连接到印刷电路板，其中装有读出电子设备和基板，可提供整体稳定性。

模块构建将使用一系列使用模式识别算法进行组装的自动化机器人进行，然后建立每个模块所需的大约500个电气连接。在CMU进行一系列测试后，模块在Fermilab(芝加哥郊外的一个粒子物理实验室)平铺在轮子上，然后送到瑞士的CERN以安装在CMS探测器中。

今年秋天生产的第一个工作模块是资格赛的一部分，在资格赛中，各个装配中心证明他们已经准备好并且能够构建HGC所需的高质量模块。

CMU组在威恩堂八楼建立了千级洁净室，扩大了中能物理组使用的现有空间。他们安装并调试了一台重达8,000磅的龙门机器人来连接不同的模块层和一台自动焊线机以在模块内进行电气连接。原型模块允许该小组测试其自动化装配程序并运行完整的生产链。

“很高兴看到我们的团队实现了这一资格里程碑，”保利尼说。“多年来，我一直在努力工作，将这个项目带到CMU，因为它还为研究生，尤其是本科生提供了机会，让他们在学期期间或夏季研究期间在我们的实验室工作，获得仪器仪表的实践经验。”

生产少量符合规格的模块仅仅是个开始。在从2024年开始的全面模块生产期间，CMU将每天生产12个模块，直到2026年初。提高吞吐量的主要挑战将是招募和入职本地人才。

卡内基梅隆大学项目团队的首席工程师JessicaParshook说：“为了满足生产需求，我们必须通过雇佣更多的四名全职技术人员和工程师来壮大团队，他们将在日常生产线上工作。”

开发和实施可靠的质量控制测试程序是未来面临的另一项重大挑战。生产流水线需要几天时间来构建每个模块。快速发现并修复生产中的任何缺陷至关重要。博士后研究员和研究生将创建大部分组装和质量控制程序，这将为大量CMU本科生提供机会，让他们获得测试现代粒子物理探测器的实践经验。

“我们在这里的努力可能会导致物理学的下一个重大发现，这让我很兴奋，”物理学博士生SindhuMurthy说。“在设置生产的这些早期阶段，我看到了这种规模的工程项目的不同方面。为这次升级做出贡献是一次很棒的经历和荣幸。我一直在思考我们如何优化模块组装这样一切都会按计划进行。”

Alison、Dutta和Paulini表示，机器学习图像处理的最新进展对于确保生产过程中的质量控制至关重要。

“这项工作融合了计算机科学、机器学习和机器人技术，非常适合CMU，我们计划利用整个大学的资源，”艾莉森说。