粒子探测器

Learning objectives / 学习目标

• 由磁场中的曲率、sagitta 与电荷符号重建 charged-particle transverse momentum；
• 比较 electromagnetic 与 hadronic showers，并使用 stochastic/constant/noise terms 解释 calorimeter resolution；
• 联合 time of flight、momentum、ionization 或 Cherenkov information 做 particle identification；
• 为 trigger/DAQ 建立 rate–latency–bandwidth–efficiency 账本，识别 selection bias；
• 正确定义 missing transverse momentum，列出 fake missing-energy 的 detector 与 event sources。

Prerequisites / 先修知识

• Particle Accelerators：magnetic rigidity、beam axis、luminosity 与 bunch crossings。
• Radiation Interaction with Matter：ionization、bremsstrahlung、pair production 与 interaction length。
• Energy, Momentum, and Reactions：relativistic \(E^2=p^2c^2+m^2c^4\)。
• Weighted least squares、Gaussian uncertainty、vector components 与 SI prefixes。

Scope and conventions / 范围与约定

• Collider beam defines \(z\)；transverse plane is \(x\)–\(y\)，\(p_T\) and missing transverse momentum live only in this plane。
• Tracker measures spatial hits and time; momentum is inferred from a calibrated magnetic field and material model, not directly “read off”。
• Calorimeter energy is reconstructed from calibrated signals; response can be nonlinear and particle dependent。Resolution parameters are detector-specific。
• Time-of-flight formulas assume known path length and synchronized clocks；real PID combines likelihoods and calibration samples。
• “Invisible” means no direct detector signal in the relevant apparatus。Only total transverse imbalance is robust at a hadron collider；unknown incoming parton momenta prevent full longitudinal missing momentum reconstruction。
• We discuss general-purpose collider detectors，not detailed electronics, radiation damage, alignment algorithms, unfolding or full Monte Carlo simulation。

Notation and modeling contract / 符号与建模契约

Sagitta 记作 \(s_g\)，避免与 Mandelstam \(s\) 混淆；calorimeter noise coefficient 记作 \(c_n\)，避免与光速 \(c\) 混淆。

1. Tracking and momentum reconstruction / 径迹与动量重建

Knowledge ID: P11-U04-L02-K01

Charged particle 穿过 silicon pixels、strips 或 gaseous layers 时产生离散 hits。Pattern recognition 先把可能来自同一粒子的 hits 组合，fit 再在 known magnetic field、energy loss 与 multiple scattering 模型下估计 track parameters。均匀轴向磁场中 transverse projection 是圆，

\[p_T[\mathrm{GeV}/c]=0.2998\,|q/e|B[\mathrm T]R[\mathrm m].\]

若量得弦长 \(L\) 与小 sagitta \(s_g\)，几何给 \(s_g\simeq L^2/(8R)\)，所以 \(p_T\propto1/s_g\)。高 momentum 轨迹近直，固定 position error 导致 relative momentum uncertainty 随 \(p_T\) 增长；低 momentum 又受 multiple Coulomb scattering 支配。常见 schematic 参数化是

\[\left(\frac{\sigma_{p_T}}{p_T}\right)^2 \simeq (A p_T)^2+B^2,\]

其中 \(A,B\) 依 field、lever arm、hit resolution、material 与 angle。Track fit 还给 covariance matrix；下游 invariant mass 或 vertex uncertainty 必须传播它，而不是只保留最佳值。Charge sign 来自弯转方向，若 sagitta 与 uncertainty 同量级就可能 misidentify。

图 1 — 通用 collider detector 的同心层次示意；不同粒子在不同层留下互补信息，图不按比例。

图 2 — Sagitta 由多个 hit 的弧线 fit 得到；高 \(p_T\) 时 \(s_g\) 小，alignment 与 hit resolution 更关键。

2. Electromagnetic and hadronic calorimetry / 电磁与强子量能

Knowledge ID: P11-U04-L02-K02

Calorimeter 让粒子产生 shower 并把 deposited energy 转换为光或电荷。Electromagnetic shower 由 electron bremsstrahlung 与 photon pair production 级联，纵向尺度由 radiation length \(X_0\) 描述。Hadronic shower 还包含核破裂、次级 hadrons、neutrons、不可见 binding energy 与 electromagnetic subshowers，尺度由 nuclear interaction length \(\lambda_I\) 描述，波动更大。

Homogeneous calorimeter 的整个 volume 可为 active medium；sampling calorimeter 交替 absorber 与 active layers，以 compactness、cost 和 resolution 交换。常见 energy resolution 写成独立项的 quadrature：

\[\frac{\sigma_E}{E} =\frac{a}{\sqrt{E/\mathrm{GeV}}}\oplus b\oplus\frac{c_n}{E/\mathrm{GeV}},\]

其中 stochastic term 来自 shower/采样统计，constant term 来自 calibration、uniformity 与 leakage，noise term 在低能量重要；\(\oplus\) 表示平方和开根。公式不是一套 universal constants。

Hadronic response 对 electromagnetic 与 non-electromagnetic fractions 可能不同（non-compensation），故需要 test-beam、in-situ resonances、isolated particles 与 simulation 做 calibration。Calorimeter “测到的能量”是 estimator；dead material、leakage、pileup 与 saturation 都可偏置它。

图 3 — 电磁 shower 先倍增后因临界能以下的 ionization 而衰减；线条只是粒子数密度示意。

图 4 — Resolution terms 的能量依赖：低能 noise、中过渡区 stochastic、高能 constant term 可能主导。

3. Time-of-flight and particle identification / 飞行时间与粒子鉴别

Knowledge ID: P11-U04-L02-K03

若 path length \(L_{\mathrm{TOF}}\) 与 flight time \(t\) 已校准，

\[\beta=\frac{L_{\mathrm{TOF}}}{ct}.\]

再与 tracker momentum 联合，

\[m^2c^4=p^2c^2\left(\frac{1}{\beta^2}-1\right).\]

同一 \(p\) 下较重粒子速度更慢，但 \(p\gg mc\) 时 \(\beta\to1\)，time difference 快速缩小；timing resolution 和 path uncertainty 决定 separation power。不能只靠到达时间识别粒子，因为 production time、路径与 momentum 都需知道。

Particle identification（PID）通常组合多个响应：\(\mathrm dE/\mathrm dx\) 依 \(\beta\gamma\)，Cherenkov angle 满足 \(\cos\theta_C=1/(n\beta)\) 且有 threshold，transition radiation 对高-\(\gamma\) electron 敏感，calorimeter/track energy–momentum matching 又区分 electrons、muons 与 hadrons。每个 subsystem 输出 probability density 或 likelihood；最终 working point 在 efficiency 与 misidentification rate 间折衷，必须用 control samples 校准 data–simulation differences。

图 5 — TOF 需要共同起点、已知路径和同步 stop；时间差只有与 momentum 联合才给 mass hypothesis。

图 6 — 不同质量的 \(\beta(p)\) 曲线在低中动量可分，高动量趋近 \(c\)，TOF separation 变差。

4. Trigger and data-acquisition systems / 触发与数据采集系统

Knowledge ID: P11-U04-L02-K04

Collider crossing rate 可达 MHz–tens of MHz，而 raw detector bandwidth、offline storage 与 computing 有限。Trigger 是实时 selection：低 latency hardware/firmware 先用 coarse information，software stages 再运行更完整 reconstruction。DAQ 把 synchronized fragments 组装成 event、检查 integrity、buffer 并写入 storage。

Rate budget 可写为

\[R_{\mathrm{out}}=R_{\mathrm{in}}f_{\mathrm{live}}\epsilon_{\mathrm{sel}}, \qquad \dot D=R_{\mathrm{out}}S_{\mathrm{event}},\]

其中 \(f_{\mathrm{live}}\) 反映 dead time/live fraction，\(S_{\mathrm{event}}\) 是平均 event size。Trigger efficiency 必须针对明确定义的 truth/reconstructed population 测量；threshold 附近有 turn-on，而 prescale 只接受每 \(n\) 个满足条件的 event 中一部分。

Trigger 不是透明漏斗：它决定 recorded dataset。若 search variable 直接参与 trigger，可能 sculpt background distribution；若 rare topology 没有合适 trigger path，它即使发生也不会进入 analysis。设计需要 redundancy、unbiased/zero-bias samples、monitoring、calibration streams 与 stable configuration metadata。高 rate 还带 pileup、buffer overflow 和 synchronization failure，不能把未记录 events 当成随机缺失。

图 7 — Trigger funnel 的每级有 latency、buffer 与 efficiency；缩窄宽度表示 rate，不表示物理价值。

图 8 — DAQ 数据路径与 back-pressure；dead time 会与 beam conditions 相关，必须被记录和校正。

5. Missing energy and invisible particles / 丢失能量与不可见粒子

Knowledge ID: P11-U04-L02-K05

Hadron collider 中 incoming protons 沿 beam direction 的 partons 带未知 longitudinal momentum fractions，但初态总 transverse momentum 近似为零。因此定义

\[\mathbf p_T^{\mathrm{miss}}=-\sum_{i\in\mathrm{reconstructed}}\mathbf p_{T,i}, \qquad p_T^{\mathrm{miss}}=\lvert\mathbf p_T^{\mathrm{miss}}\rvert, \qquad E_T^{\mathrm{miss}}=c\,p_T^{\mathrm{miss}}.\]

它是 event-level inference，不是探测器里一个独立 hit。这里 \(p_T^{\mathrm{miss}}\) 的单位为 \(\mathrm{GeV}/c\)；高能物理常用 \(c=1\) 时，数值相同的 \(E_T^{\mathrm{miss}}\) 以 \(\mathrm{GeV}\) 报告，但两者维度不可静默混用。Neutrinos 或 long-lived weakly interacting particles 可造成 genuine imbalance；但 jet energy mismeasurement、dead regions、unclustered soft activity、pileup、cosmic rays、beam background、noise 与 reconstruction failure 都能造成 fake tails。

Hermetic coverage 减少普通粒子从 cracks 逃走；calibration、quality filters 与 momentum balance control samples 约束 response。严格说 collider 分析常报告 missing transverse momentum，而非完整 “missing energy”：longitudinal component 不可由 event conservation 唯一恢复。只有在 initial four-momentum 完全已知的环境（例如理想 \(e^+e^-\) collider）才可构造更完整 missing four-momentum。一个大 \(E_T^{\mathrm{miss}}\) event 不是新粒子证据；需要分布、background model 与统计检验。

图 9 — Missing transverse momentum 是所有 reconstructed objects 的负矢量和；不能把标量 \(p_T\) 直接相减。

图 10 — 大 missing-momentum tail 可能来自真实不可见粒子或 detector/reconstruction 本底，必须用控制样本区分。

Worked Examples / 完整例题

Worked Example 1 — 由曲率重建 \(p_T\)

已知： 单电荷 track 在 \(B=3.80\,\mathrm T\) 轴向磁场中的 transverse radius 为 \(R=1.20\,\mathrm m\)，弯转方向已确定电荷为正。
研究对象/坐标： beam 为 \(z\)，在 \(x\)–\(y\) plane fit 圆；忽略 energy loss 与 nonuniform field。
模型理由： 使用 calibrated magnetic rigidity。

\[p_T=0.2998(1)(3.80)(1.20)=1.37\,\mathrm{GeV}/c.\]

检查： 半径增大代表 momentum 增大；\(p_T\) 不是 total \(p\)，还需 track dip angle。三位有效数字。电荷正负来自曲率方向而非公式绝对值。

Worked Example 2 — Calorimeter resolution budget

已知： \(E=100\,\mathrm{GeV}\)，\(a=10.0\%\)，\(b=0.700\%\)，\(c_n=0.200\,\mathrm{GeV}\)，采用 \(\sigma_E/E=a/\sqrt{E/\mathrm{GeV}}\oplus b\oplus c_n/E\)。
系统： calibrated electromagnetic cluster；三项按独立 Gaussian contributions。

\[\frac{\sigma_E}{E} =\sqrt{(0.100/10)^2+(0.00700)^2+(0.200/100)^2} =0.0124.\]

所以 \(\sigma_E=1.24\,\mathrm{GeV}\)。检查： relative resolution 无量纲，absolute uncertainty 与 \(E\) 相乘。若 calibration terms correlated，简单 quadrature 不成立。

Worked Example 3 — TOF 的 \(\pi/K\) separation

已知： \(p=1.00\,\mathrm{GeV}/c\)，path \(L=2.00\,\mathrm m\)；\(m_\pi c^2=0.140\,\mathrm{GeV}\)，\(m_Kc^2=0.494\,\mathrm{GeV}\)。
参考系： detector laboratory；共同 production time，路径差忽略。

\[\beta_\pi=\frac{1.00}{\sqrt{1.00^2+0.140^2}}=0.990, \quad \beta_K=\frac{1.00}{\sqrt{1.00^2+0.494^2}}=0.897.\]

\[t_\pi=\frac{2.00}{0.990c}=6.73\,\mathrm{ns}, \quad t_K=7.44\,\mathrm{ns}, \quad \Delta t=0.71\,\mathrm{ns}.\]

合理性： 较重 kaon 同 momentum 下更慢；若 timing resolution 为 \(100\,\mathrm{ps}\)，理想 separation 约 7 个单测量标准差，但 path/start-time uncertainty 需合入。

Worked Example 4 — Trigger 与 bandwidth 账本

已知： input crossings \(40.0\,\mathrm{MHz}\)；first stage 接受 \(100\,\mathrm{kHz}\)，software output \(1.00\,\mathrm{kHz}\)，平均 event \(2.00\,\mathrm{MB}\)；live fraction \(0.980\)。
系统边界： 从 crossing 到 permanent storage；MB 按 \(10^6\) bytes。

最终有效写入率

\[R_{\mathrm{store}}=(1.00\times10^3)(0.980)=980\,\mathrm{s^{-1}},\]

\[\dot D=(980)(2.00\,\mathrm{MB})=1.96\,\mathrm{GB\,s^{-1}}.\]

一天约 \(1.69\times10^5\,\mathrm{GB}=169\,\mathrm{TB}\)。检查： 这不含 compression、metadata 与 downtime；trigger efficiency 不能由 rate reduction alone 推出，因为 rejected populations 不同。

Worked Example 5 — Missing transverse momentum 的矢量和

已知： 三个 reconstructed objects 有 \((p_x,p_y)\)：\((40,0)\)、\((-10,30)\)、\((-20,-10)\,\mathrm{GeV}/c\)。
坐标与系统： beam 沿 \(z\)；只对 selected event 的 reconstructed transverse objects 求和。

\[\sum\mathbf p_T=(10,20)\,\mathrm{GeV}/c, \qquad \mathbf p_T^{\mathrm{miss}}=(-10,-20)\,\mathrm{GeV}/c.\]

\[p_T^{\mathrm{miss}}=\sqrt{10^2+20^2}=22.4\,\mathrm{GeV}/c, \qquad E_T^{\mathrm{miss}}=c\,p_T^{\mathrm{miss}}=22.4\,\mathrm{GeV}.\]

方向在第三象限，\(\tan^{-1}(20/10)=63.4^\circ\) below \(-x\) axis。检查： momentum magnitude 是 \(22.4\,\mathrm{GeV}/c\)；只有写出 \(E_T^{\mathrm{miss}}=c p_T^{\mathrm{miss}}\) 或声明 \(c=1\) 后，才能报告 \(22.4\,\mathrm{GeV}\)。不能把三个 magnitudes 相减；结果既可由 invisible momentum 也可由 unmeasured soft activity 产生。

Lesson synthesis / 全课综合

Detector reconstruction 是一条带 covariance 的 inverse chain：hits \(\to\) tracks/vertices，signals \(\to\) calibrated clusters/showers，times 与 response patterns \(\to\) PID，trigger/DAQ \(\to\) recorded sample，objects 的 transverse vector balance \(\to\mathbf p_T^{\mathrm{miss}}\)。每一步都含 calibration、efficiency、resolution 和 failure modes；因而最终 particle four-vectors 不是“事实清单”，而是由明确 detector model 支撑的 estimators。下一课的 statistics 正是把这些 estimators 与 uncertainties 转成证据强度。

Formula-and-decision table / 公式与决策表

Model boundaries / 模型边界

• Track curvature measures \(p_T\) in an axial field；total momentum also needs polar angle。Neutral particles do not leave ordinary charged tracks。
• A detector resolution is a probability distribution conditioned on particle, energy, angle and environment；one headline number is not universal。
• Electromagnetic and hadronic shower scales differ；\(X_0\) and \(\lambda_I\) cannot be interchanged。
• TOF mass inference requires independently measured momentum, production time and path；at high \(p\) species converge in \(\beta\)。
• Trigger creates a selected dataset and can sculpt observables；efficiency and prescale metadata are part of physics interpretation。
• Hadron-collider “missing energy” normally means transverse imbalance；longitudinal missing component is not constrained event by event。
• Large missing momentum alone does not identify an invisible particle；detector backgrounds and Standard Model neutrinos require statistical control。

Misconception clinic / 误区诊所

• “Tracker 直接量 momentum。” 它量 positions；momentum 是 field/material model 下由 curvature fit 的结果。
• “Calorimeter 把所有粒子能量完全收集。” Muons、neutrinos、leakage、dead material 与 noncompensation 破坏这一说法。
• “到得晚的就是重粒子。” 还需相同 momentum、路径与 production time，并计 timing uncertainty。
• “Trigger 只删掉无趣 events，不影响分析。” Threshold、prescale 与 topology selection 会改变 sample distribution。
• “\(E_T^{\mathrm{miss}}\) 是不可见粒子的能量。” 它是可见 transverse momenta 的负矢量和，可能混合多个不可见粒子与 fake contributions。

Practice and retrieval / 练习与提取

1. [K01·定量] \(B=2.00\,\mathrm T\) 中单电荷 track 的 \(R=0.500\,\mathrm m\)，求 \(p_T\)。
2. [K01·误差] 为什么相同 hit resolution 下 high-\(p_T\) track 的 relative momentum resolution 通常更差？
3. [K02·概念] 区分 \(X_0\) 与 \(\lambda_I\) 的物理用途。
4. [K02·定量] 若纯 stochastic term \(a=50\%\)，\(E=25\,\mathrm{GeV}\) 时 \(\sigma_E/E\) 与 \(\sigma_E\) 是多少？
5. [K03·推导] 从 \(p=\gamma mv\) 与 \(E=\gamma mc^2\) 推得 \(m^2c^4=p^2c^2(\beta^{-2}-1)\)。
6. [K03·边界] 为什么 TOF 在 very high momentum 的 \(\pi/K\) identification 变差？
7. [K04·定量] \(50\,\mathrm{kHz}\) output、\(1.50\,\mathrm{MB}\) event 对应 raw throughput 多少？
8. [K04·概念] 什么是 trigger turn-on，为什么 analysis threshold 常高于 nominal trigger threshold？
9. [K05·矢量] 可见 transverse vector sum 为 \((6,-8)\,\mathrm{GeV}/c\)，求 \(\mathbf p_T^{\mathrm{miss}}\) 与 magnitude。
10. [K01–K05·综合] 列出一个 large \(E_T^{\mathrm{miss}}\) event 从 detector 到 physics claim 的四个验证关口。

Exit ticket / 离堂检验

1. 给定一条弯曲 track 和一个 calorimeter cluster，写出你需要哪些额外信息才能把它识别为 electron，并列出一个可能的假信号。
2. 用一句式子和两句边界说明为什么 hadron collider 只可靠地使用 missing transverse momentum。

References and source notes / 参考资料与来源说明

以下链接均于 2026-08-30 实际打开并核对；正文重新组织，所有图均依据方程原创绘制。

1. Particle Data Group 2024 — Particle Detectors at Accelerators — tracking, timing, calorimeters, PID, resolution and detector-response limits
2. CERN — How a detector works — layered detector logic and momentum from magnetic curvature
3. CMS — Detector Overview — tracker, ECAL/HCAL, muon system, trigger rates and missing transverse energy
4. CMS — Tracking — silicon hit positions, curvature, momentum and displaced-track reconstruction
5. CMS — Energy of Hadrons (HCAL) — sampling calorimetry, hadronic showers, hermeticity and missing transverse imbalance

Source-to-content map

复习与拓展

• 下一课 Statistical Evidence in Particle Physics 把 detector estimators、efficiencies 和 nuisance parameters 放入 likelihood。
• 回链 Radiation Detection：calibration、efficiency、dead time 与 counting statistics 在 collider detector 中仍是核心。
• 未来扩展：Kalman filter、vertexing、particle-flow reconstruction、unfolding、jet algorithms、pileup mitigation 与 detector simulation。