学习触发：大型强子对撞机中的强化学习

大型强子对撞机等高通量科学设施依赖于在带宽、延迟和存储的严格约束下进行实时事件过滤（触发）。在实践中，触发菜单大多是静态且手动调优的，并且随着探测器条件、堆积和背景组成的随时间漂移而变得次优。我们将在线阈值调优视为一个序贯决策问题：一个强化学习智能体摄取最近速率和信号敏感特征的流式摘要，并更新触发阈值以最大化信号效率，同时将目标背景速率跟踪在容差带内。我们将群组过滤策略优化（GFPO）应用于流式控制，并引入两种变体（GFPO-F、GFPO-FR），它们在训练期间强制背景速率可行性。在一个模拟真实对撞机操作的基准上，我们研究了两种代表性触发器：一种对堆积变化敏感的总横向能量（H_T）触发器，以及一种基于重构损失的用于稀有或非标准特征的异常检测（AD）触发器。在蒙特卡洛流上，我们的智能体将容差内时间间隔的比例提高了48%（H_T）和28%（AD），在这些容差内间隔上的信号效率累积增益高达2%。从模拟转移到真实碰撞数据（CMS Run 283408），同一个智能体在不进行微调的情况下，相对于基线实现了56%（H_T）和28%（AD）的容差内改进，并且两种触发器都获得了进一步的信号效率增益。据我们所知，这是首次在真实大型强子对撞机碰撞数据上演示基于RL的触发控制。代码可在https://github.com/Zixind/GFPO_LHC获取（详情请参阅存储库）。