缺失的横向动量重建算法的性能，提出了使用8 TeV pp碰撞数据收集的CMS检测器，对应于一个积分亮度的$12.2 \pm 0.5$ $\mathrm{fb^{-1}}$。缺失横向动量的规模和分辨率以及多重质子-质子相互作用（堆积）的影响是使用具有已识别Z玻色子或孤立光子的事件来测量的。它们一般都很好地描述了模拟。先进的失踪的横向动量重建算法也专门开发，以减轻大量的堆积相互作用的影响，失踪的横向动量分辨率。使用这些先进的算法，丢失的横向动量分辨率的依赖堆积相互作用显着减少。
英文摘要：
The performance of missing transverse momentum reconstruction algorithms is presented using 8 TeV pp collision data collected with the CMS detector, corresponding to an integrated luminosity of $12.2 \pm 0.5$ $\mathrm{fb^{-1}}$. The scale and resolution of missing transverse momentum and the effects of multiple proton-proton interactions (pileup), are measured using events with an identified Z boson or isolated photon. They are in general well described by the simulation. Advanced missing transverse momentum reconstruction algorithms are also developed specifically to mitigate the effects of large numbers of pileup interactions on missing transverse momentum resolution. Using these advanced algorithms, the dependence of the missing transverse momentum resolution on pileup interactions is reduced significantly.
The CMS High-Granularity Calorimeter for Operation at the High-Luminosity LHC
高亮度LHC（HL-LHC）将集成比LHC高10倍的亮度，对探测器的辐射耐受性和事件堆积提出了重大挑战，特别是对于前向量热法，并标志着未来对撞机的问题。作为其HL-LHC升级计划的一部分，CMS合作正在设计一种高粒度量热计，以取代现有的端盖量热计。它具有前所未有的横向和纵向分割电磁（ECAL）和强子（HCAL）隔间。这将促进粒子流量热法，其中可以测量簇射的精细结构并用于增强堆积排斥和粒子识别，同时仍然实现良好的能量分辨率。ECAL和大部分HCAL将基于0.5至1 cm $^2$单元尺寸的六边形硅传感器，其余HCAL基于具有SiPM读出的高度分段的放大器。硅传感器固有的高精度计时能力将为事件重建增加额外的维度，特别是在堆积拒绝方面。HGCAL项目的概述，包括动机，工程设计，读出和触发的概念，和预期的性能。
高亮度LHC（HL-LHC）将集成比LHC高10倍的亮度，对探测器的辐射耐受性和事件堆积提出了重大挑战，特别是对于前向量热法，并标志着未来对撞机的问题。作为其HL-LHC升级计划的一部分，CMS合作正在设计一种高粒度量热计，以取代现有的端盖量热计。它具有前所未有的横向和纵向分割电磁（ECAL）和强子（HCAL）隔间。这将促进粒子流量热法，其中可以测量簇射的精细结构并用于增强堆积排斥和粒子识别，同时仍然实现良好的能量分辨率。ECAL和大部分HCAL将基于0.5- 1 cm $^{2}$单元尺寸的六边形硅传感器，其余HCAL基于具有SiPM读出的高度分段的放大器。硅传感器固有的高精度计时能力将为事件重建增加额外的维度，特别是在堆积拒绝方面。HGCAL项目的概述，包括动机，工程设计，读出和触发的概念，和性能（模拟和从束流测试）。
Deep learning techniques for energy clustering in the CMS ECAL
ETH Zurich（苏黎世联邦理工学院）；INFN（意大利国家核物理研究所）；Università degli studi di Milano-Bicocca（米兰比可卡大学）
CMS中电子和光子的重构依赖于入射粒子在电磁量能器（ECAL）不同晶体中沉积能量的拓扑聚簇。这些簇是通过聚集相邻的晶体根据预期的拓扑结构的电磁簇射在ECAL。上游材料（束管、跟踪器和支撑结构）的存在导致电子和光子在到达量热计之前开始淋浴。这种效应与3.8 T CMS磁场相结合，导致能量在主簇周围的几个簇中传播。必须回收这些卫星群中所含的能量，以便为物理分析取得尽可能好的能量分辨率。历史上，卫星集群已经使用纯粹的拓扑算法与主集群相关联，该算法不试图从额外的堆积相互作用（PU）中去除虚假的能量沉积。该算法的性能预计将在LHC运行3（2022+）期间下降，因为ECAL探测器老化导致的更大的平均PU水平和增加的噪声水平。正在研究利用最先进的深度学习架构（如图神经网络（GNN）和自注意算法）的新方法。这些更复杂的模型改善了能量收集，对PU和噪声更具弹性，有助于保持LHC 101和2期间实现的电子和光子能量分辨率。这项工作将涵盖训练模型的挑战，以及这种新方法提供的机会，将ECAL能量测量与全局CMS光子和电子重建中使用的粒子识别步骤统一起来。
Progress towards an improved particle flow algorithm at CMS with machine learning
University of California San Diego（加州大学圣地亚哥分校）；NICPB（国家化学物理与生物物理研究所）；European Organization for Nuclear Research (CERN)（欧洲核子研究组织）；California Institute of Technology（加州理工学院）
End-to-end multi-particle reconstruction in high occupancy imaging calorimeters with graph neural networks
Manchester Metropolitan University（曼彻斯特城市大学）；CERN（欧洲核子研究组织）；Florida State University（佛罗里达州立大学）；Massachusetts Institute of Technology（麻省理工学院）；Staffordshire University（斯塔福德郡大学）
Search for new physics in the low MET monophoton channel with the CMS Detector
随着最近在大型强子对撞机（LHC）上发现希格斯玻色子，紧凑μ子螺线管（CMS）实验的目标现在集中在探索标准模型之外的新物理。由一个低横能光子和一个低丢失横能（MET）组成的终态，也被称为双光子终态，可以用来约束标准模型的各种扩展，包括超对称性。我使用CMS探测器收集的7.3/fb的8 TeV pp碰撞数据，在这个低MET单光子通道中搜索新物理。该分析将高能量单光子搜索扩展到较低能量区域。在没有偏离标准模型预测的情况下，对希格斯玻色子的奇异衰变的产生截面设定了限制。此外，我们提出了一个通用的信号在Dahoton最终状态的模型独立的限制。
