Spinful Algorithmization of High Energy Diffraction

Show full item record



Permalink

http://urn.fi/URN:ISBN:978-951-51-5943-4
Title: Spinful Algorithmization of High Energy Diffraction
Author: Mieskolainen, Mikael
Contributor organization: University of Helsinki, Faculty of Science, Division of Particle Physics and Astrophysics
Doctoral Programme in Particle Physics and Universe Sciences
CERN
Helsingin yliopisto, matemaattis-luonnontieteellinen tiedekunta
Alkeishiukkasfysiikan ja maailmankaikkeuden tutkimuksen tohtoriohjelma
Helsingfors universitet, matematisk-naturvetenskapliga fakulteten
Doktorandprogrammet i elementarpartikelfysik och kosmologi
Publisher: Helsingin yliopisto
Date: 2020-03-20
Language: eng
URI: http://urn.fi/URN:ISBN:978-951-51-5943-4
http://hdl.handle.net/10138/312770
Thesis level: Doctoral dissertation (monograph)
Abstract: High energy diffraction probes fundamental interactions, the vacuum, and quantum mechanically coherent matter waves at asymptotic energies. In this work, we algorithmize our abstract ideas and develop a set of rigid rules for diffraction. To get spin under control, we construct a new Monte Carlo simulation engine, GRANIITTI. It is the first event generator with custom spin-dependent scattering amplitudes for the glueball domain semi-exclusive diffraction, driven by fully multithreaded importance sampling and written in C++. Our simulations provide new computational evidence that the enigmatic glueball filter observable is a spin polarization filter for tensor resonances. For algorithmic spin studies, we automate the classic Laplace spherical harmonics inverse expansion, carefully define the geometric acceptance related phase space issues and study the harmonic mixing properties systematically in different Lorentz frames. To improve the big picture, we generalize the standard soft diffraction observables and definitions by developing a high dimensional probabilistic framework based on incidence algebras, Combinatorial Superstatistics, and solve also a new superposition inverse problem using the Möbius inversion theorem. For inverting stochastic autoconvolution integral equations or `inverting the proton', we develop a novel recursive inverse algorithm based on the Fast Fourier Transform and relative entropy minimization. The first algorithmic inverse results of the proton double multiplicity structure and multiparton interaction rates are obtained using the published LHC data, in agreement with standard phenomenology. For optimal inversion of the detector efficiency response, we build the first Deep Learning based solution working in higher phase space dimensions, DeepEfficiency, which inverts the detector response on an event-by-event basis and minimizes the event generator dependence. Using the ALICE experiment proton-proton data at the LHC at 13 TeV, we obtain the first unfolded fiducial measurement of the multidimensional combinatorial partial cross sections, the first multidimensional maximum likelihood fit of the effective soft pomeron intercept and the first multidimensional maximum likelihood fit of the single, double and non-diffractive component cross sections. Great care is taken with the fiducial and non-fiducial definitions. The second topic of measurements centers on semi-exclusive central diffractive production of hadron pairs, which we study with the ALICE data. We measure and fit the resonance spectra of identified pion and kaon pairs, which is crucial on the road towards solving the mysteries of glueballs, the proton structure fluctuations, and the pomeron.Suurenergiadiffraktio heijastelee luonnon perusvuorovaikutuksia, tyhjiötä ja kvanttimekaanisesti koherentteja aaltoja asymptoottisen suurilla energioilla. Tässä työssä teen abstrakteista ideoista algoritmeja ja kehitän joukon täsmällisiä sääntöjä suurenergiadiffraktiolle. Jotta spin ja kulmaliikemäärä saadaan haltuun, rakennan uuden avoimen lähdekoodin Monte Carlo -simulaatiokoneiston nimeltään GRANIITTI. Se on ensimmäinen törmäysgeneraattori, joka kykenee mallintamaan kattavasti spin-riippuvia relativistisia sironta-amplitudeja keskeisdiffraktion prosesseissa. Näitä hiukkassimulaatioita tarvitaan esimerkiksi CERN:in LHC-kiihdyttimellä tehtävissä kokeissa, joissa keskitytään niin kutsuttujen ”liimapallojen” (eng. glueballs) löytämiseen. Liimapallot ovat vahvan vuorovaikutuksen gluonihiukkasten muodostamia resonoivia kvanttitiloja, joilla on teoreettinen yhteys suurenergiadiffraktioon, mutta joita ei ole saatu kokeellisesti vielä yksikäsitteisesti havaittua. Tämä johtuu niiden monikomponenttiliiman kaltaisesta kvanttitilasta, jossa mukana voi olla myös kvarkkeja. Simulaatioiden avulla löydän uutta laskennallista todistetta sille, että liimapallosuotimena tunnettua arvoituksellista observaabelia ajaa resonanssien spin-polarisaatiotiheys. Suurena tavoitteena on kehittää suurenergiadiffraktion kokonaiskuvaa. Tätä varten esittelen uuden matemaattisen koneiston perustuen todennäköisyyslaskentaan ja kombinatorisiin insidenssialgebroihin. Kutsun tätä kombinatoriseksi superstatistiikaksi. Näin saadaan määriteltyä ja ratkaistua heti uusi inversio-ongelma jo tunnetun Möbius-inversiolauseen avulla. Jatkan inversio-ongelmien saralla ja näytän ensimmäisenä kuinka protoni-protoni -törmäyksissä syntyneiden varattujen hiukkasten todennäköisyysjakauma voidaan algoritmillisesti uudelleenorganisoida. Näin saadaan uusia näkökulmia suurenergiaprotonien monimutkaiseen rakenteeseen ja dynamiikkaan, jossa useat partonit protonin sisältä törmäävät samanaikaisesti. LHC-datan avulla saadut algoritmilliset tulokset ovat samansuuntaisia aiempien mallipohjaisten tulkintojen kanssa. Kehitän myös ensimmäisenä algoritmin, joka syväkorjaa lähes optimaalisesti mittauslaitteiston tehokkuusvasteen moniulotteisessa liikemääräavaruudessa törmäys törmäykseltä. Tämä algoritmi perustuu syviin neuroverkkoihin. Työn kokeellisessa osuudessa hyödynnetään työssä kehitettyjä menetelmiä ja algoritmeja LHC:n ALICE-kokeessa, käyttäen LHC-kiihdyttimen tuottamaa protoni-protoni -törmäysdataa 13 TeV:n massakeskipiste-energialla. Näin tehdään ensimmäinen kokonaisvaltainen pehmeiden törmäysten moniulotteinen fidusiaalimittaus ja ensimmäinen moniulotteinen diffraktiivisten vaikutusalojen suurimman uskottavuuden fidusiaalianalyysi. Lisäksi analysoidaan diffraktiofenomenologian oleellisia parametreja. Toinen mittausten aihe on keskeisdiffraktio. Työssä mitataan hadroniset resonanssispektrit, joiden tutkiminen vie meidät kohti liimapallojen, protonin fluktuoivan sisärakenteen ja pomeronin salaisuuksien ratkaisuja.
Subject: fysiikka
Rights: Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.


Files in this item

Total number of downloads: Loading...

Files Size Format View
spinfula.pdf 17.01Mb PDF View/Open

This item appears in the following Collection(s)

Show full item record