BESIII探测器在北京正负电子对撞机上的实验数据集

该数据集由北京正负电子对撞机上的BESIII探测器收集，包含电子正电子碰撞事件的真实数据和蒙特卡洛模拟数据。数据集包含了碰撞事件中粒子的轨迹、能量沉积等信息，并以文本格式存储。数据集可用于研究电子正电子碰撞物理、开发事件可视化技术，以及进行科学普及和科学推广。

This dataset is collected by the BESIII detector at the Beijing Electron-Positron Collider, containing both real data and Monte Carlo simulated data of electron-positron collision events. It includes information such as particle trajectories and energy depositions from collision events, and is stored in plain text format. This dataset can be used for research in electron-positron collision physics, development of event visualization technologies, as well as science popularization and scientific outreach.

搜集汇总

数据集介绍

构建方式

该数据集基于BESIII探测器在北京正负电子对撞机上采集的实验数据构建而成。原始数据通过触发系统筛选后，以RAW格式保存，随后利用BESIII离线软件系统进行重建处理，提取物理信息并转换为REC格式。通过分析工具进一步筛选典型物理过程事件，最终将选定的高质量事件信息转换为文本格式，便于公开访问和使用。

使用方法

用户可通过Science Data Bank公开链接直接下载文本格式数据，结合附带的参数定义文档解析事件信息。数据集适用于开发事件可视化软件、优化粒子重建算法，以及用于物理教育和科学传播。支持通过BesVis等工具进行二维或三维事件展示，助力用户深入理解电子-正电子碰撞的物理过程。

背景与挑战

背景概述

高能物理实验数据的开放共享是推动粒子物理学研究的重要途径。BESIII探测器实验数据集由中山大学与中科院高能物理所联合团队于2025年发布，依托北京正负电子对撞机BEPCII在τ-粲能区采集的碰撞数据。该数据集包含蒙特卡洛模拟样本与真实实验数据，涵盖J/ψ衰变、粲强子产生等核心物理过程，旨在为粒子物理可视化研究、科学教育及公众科普提供标准化数据支撑。其发布标志着我国大科学装置实验数据开放共享迈入新阶段，为粲物理领域的多学科交叉研究提供了基础数据平台。

当前挑战

该数据集需解决τ-粲能区粒子鉴别与事例重建的物理挑战，包括在强背景噪声中提取稀有信号事例、精确重建短寿命粲强子衰变路径等关键技术难题。数据构建过程中面临多重挑战：原始数据需经过两级触发系统筛选与离线软件BOSS重建，其多层级数据处理流程涉及探测器响应模拟、径迹重建算法优化等复杂环节；此外，将专用二进制数据转化为可读文本格式时，需保持粒子动量、能量沉积等物理信息的完整性与标准化，同时兼顾数据可视化需求与跨平台应用兼容性。

常用场景

经典使用场景

BESIII实验数据集在τ-粲能区物理研究中具有经典应用价值，该数据集通过记录正负电子对撞产生的数十亿个事件，为研究J/ψ粒子衰变、D介子产生以及Λc重子衰变等关键物理过程提供了丰富的数据支撑。研究人员可借助该数据集深入分析粲偶素能区的强相互作用机制，验证量子色动力学理论预言，同时通过蒙特卡洛模拟与真实数据的对比，优化粒子重建算法和触发系统效率。

解决学术问题

该数据集有效解决了高能物理实验中稀有信号提取、背景噪声抑制等核心学术问题。通过提供包含电磁量能器、飞行时间探测器等多子探测器响应信息的结构化数据，支持了对粒子鉴别精度、动量分辨率等探测器性能的系统性研究。此外，数据集公开的Zc(3900)四夸克态事例为探索超出标准模型的新物理现象提供了实证基础，推动了强子谱学与多夸克态研究领域的理论突破。

实际应用

在实践层面，BESIII数据集被广泛应用于粒子物理教育的可视化教学与科学传播。通过集成BesVis等可视化工具，该数据集能够动态展示粒子在探测器中的径迹分布与能量沉积，帮助公众直观理解对撞机实验原理。同时，数据集支撑了基于Unity引擎的跨平台事件显示系统开发，为大型科学装置的数字孪生、虚拟现实科普展示提供了高质量数据源，显著提升了高能物理研究成果的社会影响力。

数据集最近研究

最新研究方向

在τ-粲能区物理研究领域，BESIII实验数据集的最新研究方向聚焦于多维度数据可视化技术与深度学习算法的深度融合。随着高能物理实验数据量的急剧增长，研究者正积极探索基于Unity引擎的交互式事件显示系统，通过三维动态重构技术提升对奇特强子态（如四夸克态Zc(3900)）的识别效率。与此同时，图神经网络等先进机器学习方法被应用于罕见衰变道的事例筛选，例如在Λc+半轻子衰变过程中实现中子信号的精准提取。这些创新手段不仅优化了离线数据处理流程，更推动了实验物理与计算机科学的交叉融合，为未来超级陶粲装置的数据处理范式提供了重要参考。

相关研究论文

• Experimental dataset from BESIII detector at Beijing electron positron collider

  中山大学物理学院，中国科学院高能物理研究所，中国科学院大学 · 2025年