Das an der Georg-August-Universität Göttingen unter der Leitung von Prof. Dr. Steffen Schumann durchgeführte Projekt hatte zum Ziel, den SHERPA-Ereignisgenerator für die Physik an Hochenergiebeschleunigern weiterzuentwickeln. Es wurde vom Bundesministerium für Bildung und Forschung für den Zeitraum vom 1. Juli 2018 bis zum 30. Juni 2021 mit einem Budget von 128 809,87 € gefördert und war Teil des ErUM-FSP T02 Konsortiums, das das ATLAS-Experiment am Large Hadron Collider unterstützt. Die Arbeit wurde von drei Doktoranden – Stephan Bräuer, Daniel Reichelt und Simon Luca Villani – durchgeführt, die von einem Gaststudenten, Timo Janssen, unterstützt wurden, und umfasste eine enge Zusammenarbeit mit der ATLAS-Analysegruppe Siegert an der TU Dresden und mit der breiteren theoretischen Gemeinschaft, einschließlich Gruppen, die an POWHEG und MadGraph5_aMC@NLO arbeiten.
Technisch gesehen brachte das Projekt mehrere bedeutende Verbesserungen für SHERPA. Erstens wurden die elektroschwachen Korrekturen systematisch in die Parton-Shower-Simulationen integriert. Die virtuelle Annäherung von elektroschwachen Effekten wurde erweitert und auf Referenzprozesse wie die Higgs-Bosonen-Paarproduktion angewandt. Dies ermöglichte eine Genauigkeit nächsthöherer Ordnung sowohl bei den starken als auch bei den schwachen Kopplungen unter Beibehaltung des Parton-Shower-Rahmens. Echte Photonenemissionen wurden mit der Soft-Photon-Approximation von Yennie-Frautschi-Suura behandelt. Parallel dazu wurde eine elektroschwache Sudakov-Approximation implementiert und gegen die virtuelle Methode für die Z-Bosonen-Paarproduktion validiert, die einen alternativen, schnelleren Weg zu elektroschwachen Korrekturen bietet. Diese Entwicklungen erhöhen direkt die Genauigkeit der Vorhersagen des Standardmodells, die von ATLAS und CMS verwendet werden.
Das Projekt erforschte auch Techniken des maschinellen Lernens, um die Effizienz der Ereignisgenerierung zu verbessern. Normalisierende Flüsse – eine Klasse von bijektiven neuronalen Netzwerk-Mappings – wurden für das Sampling im Phasenraum untersucht. Erste Ergebnisse zeigen vielversprechende Verbesserungen bei der Effizienz der Ungewichtung, was auf einen gangbaren Weg zu schnelleren, statistisch besseren Ereignisproben hindeutet. Darüber hinaus wurde SHERPA erweitert, um eine semi-analytische Resummierung von Soft-Gluon-Emissionen mit nahezu führender logarithmischer Genauigkeit durchzuführen. Dies ermöglichte die Berechnung globaler Beobachtungsgrößen für die Ereignisform, wie z.B. den Soft-Drop-Schub, und Jet-Substrukturvariablen, einschließlich der Jet-Winkeligkeit. Vergleiche dieser Vorhersagen mit CMS-Messungen zeigten eine gute Übereinstimmung, was die neue Implementierung der Resummation bestätigt und Maßstäbe für zukünftige Analysen liefert.
Die Ergebnisse des Projekts wurden als quelloffene SHERPA-Versionen veröffentlicht, um die sofortige Verfügbarkeit für die experimentellen Kollaborationen zu gewährleisten. Die neuen Versionen wurden in die ATLAS-Produktionssoftware und die Analysesysteme integriert. Die verbesserten elektroschwachen und Resummationsmodule werden nun routinemäßig in Studien zum Standardmodell eingesetzt. Die Beiträge des Projekts bereicherten auch das theoretische Toolkit, indem sie die erste Mehrzweck-Ereignisgenerator-Implementierung des auf maschinellem Lernen basierenden Phasenraum-Samplings und einen robusten Rahmen für die elektroschwache Korrektur boten, der von anderen Generatoren übernommen werden kann.
Insgesamt hat das Projekt seine Ziele erreicht, nämlich die physikalische Reichweite und die Rechenleistung von SHERPA zu erhöhen und gleichzeitig die Zusammenarbeit zwischen experimentellen und theoretischen Gemeinschaften zu fördern. Die Arbeit hat die Präzision der Vorhersagen für die Collider gestärkt, die ATLAS- und CMS-Analysen unterstützt und den Grundstein für zukünftige Entwicklungen in der Technologie der Ereignisgenerierung gelegt.