HL-LHC 的物理分析：通过分析大挑战实践中的概念与流程

用于原型设计、研究和改进分析工作流程的真实环境是迈向用户友好的 HL-LHC 规模物理分析的关键要素。IRIS-HEP 分析大挑战（AGC）提供了这样的环境。它定义了一个可扩展且模块化的分析任务，捕捉了相关的工作流程方面，从大规模数据处理和系统不确定性处理到统计推断和分析保存。基于公开可用的开放数据，AGC 为更广泛的社区提供了一个接触点。目前已经存在多种利用各种流程和软件栈的分析任务实现。本文介绍了一个更新后的 AGC 分析任务。它具有机器学习组件和扩展的分析复杂性，包括处理扩展且更现实的一组系统不确定性。这些变化使 AGC 进一步与 HL-LHC 的分析需求保持一致，并允许探测更多的功能集。另一个重点是展示参考 AGC 实现，该实现主要基于 HEP Python 生态系统并使用现代分析设施。文中描述了各种数据交付策略的集成， resulting in 多个相互比较的分析流程。