CERN / CMS HGCAL Collaboration (CMS Upgrade Program)
CERN / CMS HGCAL Collaboration (CMS Upgrade Program)
კვლევის დასახება, ამოცანა, გამოწვევა და მიზანი
მაღალი გრანულარობის კალორიმეტრის (HGCAL) შექმნა დიდი ადრონული კოლაიდერის მაღალი სიკაშკაშის მოდერნიზაციისთვის (HL-LHC).
HL-LHC ეტაპზე ნაწილაკთა შეჯახებების სიხშირე მნიშვნელოვნად გაიზრდება (საშუალოდ 140–200 ურთიერთქმედება თითო კონა-შეჯახებაზე), რაც არსებული ბოლოსკიდის (endcap) კალორიმეტრებისთვის მიუღწეველ გარჩევადობას მოითხოვს.
საჭიროა გაცილებით მაღალი გარჩევადობის კალორიმეტრის აგება, რომელსაც შეეძლება ცალკეული ნაწილაკების კვალის ზუსტად გამოცალკევება მკვრივ გარემოშიც — დაახლოებით 6 მილიონზე მეტი სილიციუმის სენსორის არხითა და ასობით ათასი სცინტილატორის ფილაქნით, 47–50 ფენად.
5D ინფორმაციის (სივრცე-დრო-ენერგია) მიწოდება პირველად, ნაწილაკთა უფრო ზუსტი იდენტიფიკაციისა და ენერგიის გარჩევადობისთვის.
სტუ-ის მკვლევრები და გუნდის წევრები ექსპერიმენტებში
HGCAL CMS-ის ერთ-ერთი უმსხვილესი და ყველაზე ამბიციური მოდერნიზაციის პროექტია. საერთაშორისო კოლაბორაციაში მონაწილეობს მრავალი ქვეყნის ინსტიტუტი (მათ შორის Fermilab, DESY, CERN-ის საცდელი ბაზები); კოლაბორაციის პუბლიკაციებში (მაგ. DAQ სისტემის ნაშრომი) ავტორთა შორის ჩანს ქართული გვარიც (G. Adamov), რაც ადასტურებს ქართველი მკვლევრების ჩართულობას ამ პროექტში, თუმცა კონკრეტულად სტუ-სთან თუ თსუ-სთან კავშირი ცალკე არ ზუსტდება ამ წყაროდან.
პროექტის აღწერით, სტუ-ის მკვლევრები ჩართულნი არიან HGCAL-ის საინჟინრო დაპროექტების, ტესტირებისა და სამუშაო ნახაზების მომზადების პროცესში — მათ შორის რთულ მექანიკურ და ელექტრონულ ინტეგრაციაში (სპეციალური სპილენძის გამაგრილებელი ფირფიტები CO₂-ზე დაფუძნებული გამაგრილებით, წინა-ბოლოს ელექტრონიკა, ოპტიკური/ელექტრული სერვისები).
კვლევის სტატუსი და ვადები
HGCAL-ის პროტოტიპების შემუშავება დაიწყო 2016 წელს; პროექტი ამჟამად საბოლოო დიზაინისა და პროტოტიპირების ფაზაშია, მშენებლობის დაწყება იგეგმება უახლოეს წლებში. მრავალი პროტოტიპი უკვე ტესტირებულია ნაწილაკთა კონებით CERN-ში, Fermilab-სა და DESY-ში, შედეგები კარგად ემთხვევა სიმულაციებს.
გამოყენებითი პოტენციალი
- უფრო ზუსტი ნაწილაკთა ტრაექტორიებისა და ენერგიის დაფიქსირება მაღალი სიმკვრივის რადიაციულ გარემოში
- მაღალსიმკვრივიანი ელექტრონიკის ინტეგრაცია და გაგრილების სისტემები, გამოსადეგი სხვა მაღალრადიაციულ გამოყენებებშიც
- მანქანური სწავლების (machine learning) ალგორითმების გამოყენება მონაცემთა დამუშავების ოპტიმიზაციისთვის