LHC能撞出微型黑洞吗？CMS合作组用AI算法给出了最新解答

在标准模型的精密框架下，高能物理学家始终在寻找微观世界与宏观引力的契合点。由欧洲核子研究中心（CERN）大型强子对撞机（LHC）的 CMS 合作组完成的论文《Search for Black Holes and Sphalerons Using Novel Machine Learning Techniques at CMS》，代表了高能物理实验在前沿新物理（BSM）搜寻与数据科学交叉领域的重大突破。

该研究利用 CMS 探测器在 LHC Run 2 期间（2016–2018年）记录的全量质子-质子对撞数据，对应高达138fb^{-1}的积分亮度，在高达13TeV的质心能量下，对微型黑洞和电弱闪烁子这两类极端物理过程展开了迄今最为灵敏的搜寻。

一、 物理动机：为什么能在对撞机中寻找黑洞与闪烁子？

在传统理解中，黑洞是天体物理尺度的产物，而闪烁子则是极早期宇宙的拓扑现象。然而，现代理论物理为它们在微观对撞机中的出现提供了可能：

1. 额外维度模型与微型黑洞：在标准3+1维时空中，普朗克标度M_{Planck}≈10¹⁹GeV，这使得利用能量仅为~13TeV的LHC产生黑洞完全不可能（算得的史瓦西半径远小于普朗克长度）。然而，如果大额外维度（ADD模型）或弯曲额外维度（RS模型）存在，基本引力标度M_D将被大幅拉低至TeV量级。此时，当两个高能质子（或其内部的夸克/胶子）碰撞距离小于高维史瓦西半径（≈10^{-20}m）时，就会形成微型黑洞。根据霍金辐射机制，微型黑洞会在极短时间（~10^{-28}s）内爆裂并各向同性地衰变为大量高能量的喷流、轻子和光子。
2. 电弱非微扰拓扑构型与闪烁子：电弱统一理论的真空结构具有复杂的拓扑性质，不同的真空态（具有不同的重子数B和轻子数L）之间被一个能级垒隔开。闪烁子就是位于该能级垒顶部的非微扰拓扑解。在极端高温或极高能量的粒子碰撞中，系统有可能翻越这一能垒发生闪烁子跃迁。闪烁子跃迁会同时破坏重子数B和轻子数L（但保持B-L守恒），这为解释宇宙中“为何物质远多于反物质（重子不对称性）”这一基本谜题提供了至关重要的实验检验途径。

二、 核心方法论创新：相空间距离与支持向量机

微型黑洞与闪烁子在衰变时，末态通常表现出极高的粒子重数、极高的总横动量以及空间的各向同性。但在 LHC 极高的碰撞频率下，标准模型中的 QCD 多喷流背景过程同样极为庞大且复杂，传统的物理测量变量（如 Sphericity，球形度）难以有效地从背景中分拣出极其罕见的信号。

该论文最大的方法论亮点，在于首次在粒子物理实验数据分析中成功引入了基于“相空间距离”的机器学习架构：

• 事件间相空间距离的度量：由加州大学圣塔芭芭拉分校（UCSB）的理论物理学家与实验组合作开发，该方法不再仅仅孤立地看待单个事件的运动学特征，而是刻画不同对撞事件在多维相空间中的几何/物理距离。
• 支持向量机（SVM）的融合：将计算得出的事件间相空间距离矩阵输入 SVM 模型，算法会将每个复杂的碰撞事件映射并输出为一个标量值——SVM Score。得分越高，表明该事件在相空间几何上越偏离标准模型的 background 模式，具备越显著的新物理信号特征。
• 卓越的鉴别性能：研究对比表明，相空间距离与 SVM 结合的特征提取能力显著优于传统的 Sphericity 等物理变量，大幅提升了对各向同性高重数衰变的信号捕获效率。
• 数据驱动的背景估计：结合机器学习与数据驱动的背景预测技术，直接从真实数据中学习背景过程的概率分布，极大地降低了对传统蒙特卡洛模拟的理论依赖和系统误差。

三、 实验结果与物理限制

经过对 Run 2 数据集的全面甄别，CMS 团队在数据中未观测到超出标准模型预测的显著信号。基于此，研究团队设定了目前国际上最严格的物理限制：

1. 半经典微型黑洞：在 ADD 大额外维度理论框架下，该研究将半经典黑洞的质量下限排除至9.0 – 11.4 TeV（具体取值取决于额外维度的数量n及模型参数），相比早期的搜寻结果实现了大幅度的边界拓展。
2. 量子黑洞与额外维度：在更广泛的模型假设下，对量子黑洞的排除线提升到了约12 TeV附近，极大地收窄了额外维度和量子引力理论可隐藏的参数空间。
3. 电弱闪烁子跃迁限制：针对闪烁子的专项搜寻表明，在质心能量高于 9 TeV 阈值的夸克-夸克散射中，产生闪烁子跃迁的事件比例在 95% 置信度（C.L.）下被严格限制在0.0025（即0.25%）以下。

四、 论文的学术价值与深远影响

这篇由 CMS 合作组提交、并在高能物理界引起广泛关注的工作，其意义远远超出了“未发现新粒子”的消极结果本身：

数据驱动与 AI 赋能的范式转变：它成功示范了如何将高维相空间几何与现代机器学习算法相结合，应用于传统物理方法难以发掘的复杂末态分析中。

为 Run 3 及 HL-LHC 奠定基础：随着 LHC 进入 Run 3 阶段以及未来高亮度 LHC（HL-LHC）数据的积累，这种高灵敏度的相空间 AI 分析工具将成为探索暗物质、奇特态（Exotics）和高阶对称性破坏等未知领域的核心武器。