Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

INnovative TRiggEr techniques for beyond the standard model PhysIcs Discovery at the LHC

Description du projet

Systèmes avancés de détection des particules à longue durée de vie dans le grand collisionneur de hadrons

La physique des particules a permis de répondre à de nombreuses questions sur l’univers. Cependant, des mystères tels que la matière noire, la masse des neutrinos et l’asymétrie des baryons restent irrésolus. Les particules à longue durée de vie (LLP pour «long-lived particles»), prédites par les théories au-delà du modèle standard, pourraient en être la clé. Néanmoins, dans la mesure où elles laissent des signatures inhabituelles, la détection des LLP demeure complexe. Pour remédier à ce problème, le projet INTREPID, financé par le CER, améliorera les systèmes de déclenchement du grand collisionneur de hadrons à haute luminosité. En utilisant l’apprentissage automatique et des plateformes de traitement ultrarapides, les chercheurs proposeront des stratégies innovantes pour identifier les LLP en temps réel à partir de volumes de données considérables. Ces améliorations pourraient déboucher sur de nouvelles découvertes dans le domaine de la physique des particules, tout en donnant naissance à des technologies ayant des applications d’une grande portée dans les secteurs à forte intensité de données.

Objectif

The discovery of the Higgs boson at the Large Hadron Collider (LHC) closes a central chapter of the standard model (SM) of particle physics while raising several questions, such as the nature of dark matter, an explanation to neutrino masses, or the origin of baryon asymmetry in the Universe. The answer to those questions could be linked to the production of beyond the SM (BSM) particles which may have long lifetimes, compared to SM particles at the weak scale. If these long-lived particles (LLPs) were to be produced at the LHC, they would yield non-standard signatures which require dedicated identification algorithms. A complex filtering (trigger) system running sophisticated algorithms allows to decide, in real time, whether a given event of interest should be saved for data analysis or discarded. The general goal of this proposal is to enhance the trigger capabilities to enable the discovery of LLPs and thus find evidence of BSM physics exploring innovative technologies that may be of use in future facilities. With several years before the start of the High-Luminosity LHC (HL-LHC), it is now the perfect time to explore alternative trigger architectures and technologies not considered in the plans of the collaboration and that could not be explored otherwise. To this end, I will use a multidisciplinary approach involving advanced Machine Learning techniques and top-of-the-line ultra-fast processing platforms to propose an innovative solution that will improve the capabilities of future trigger systems. The foreseen studies might be the only way in which LLPs can be discovered at the HL-LHC. Any manifestation of such particles will revolutionise the field of High Energy Physics and help to answer several fundamental questions regarding the energy scale and nature of the BSM physics. Beside progressing in the frontiers of science, the designed techniques can be of great use for industries requiring real-time processing of large data-volumes to extract features.

Champ scientifique (EuroSciVoc)

Mots‑clés

Programme(s)

Thème(s)

Régime de financement

HORIZON-ERC - HORIZON ERC Grants

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) ERC-2023-STG

Voir tous les projets financés au titre de cet appel

Institution d’accueil

UNIVERSIDAD DE OVIEDO
Contribution nette de l'UE
€ 1 499 375,00
Adresse
CALLE SAN FRANCISCO 3
33003 OVIEDO
Espagne
Région
Noroeste Principado de Asturias Asturias
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
€ 1 499 375,00

Bénéficiaires (1)