|
Поиски новых физических явлений
|
|
|
|
Одной из главных целей экспериментов на БАКЕ является поиск признаков появления новых частиц, которые могли бы объяснить многие неразгаданные тайны физики. Часто поиск новых физических данных направлен на поиск одного конкретного типа новых частиц за раз, используя теоретические предсказания в качестве ориентира. Но как насчет поиска непредсказуемых — и неожиданных — новых частиц? Изучение миллиардов столкновений, происходящих в экспериментах на БАК, без точного знания того, что именно искать, было бы для физиков сложной задачей. Поэтому вместо того, чтобы просеивать данные и искать аномалии, сотрудничество ATLAS и CMS позволяет искусственному интеллекту (ИИ) выполнять эту работу. На конференции Rencontres de Moriond 26 марта физики из коллаборации CMS представили последние результаты, полученные с помощью различных методов машинного обучения для поиска пар "струй". Эти струи представляют собой коллимированные брызги частиц, образующихся из сильно взаимодействующих кварков и глюонов. Их особенно трудно анализировать, но они могут скрывать новые физические явления.
|
|
|
Исследователи из ATLAS и CMS используют несколько стратегий для обучения алгоритмов искусственного интеллекта при поиске струй. Изучая форму их сложных энергетических характеристик, ученые могут определить, какая частица создала струю. Используя данные о реальных столкновениях, физики, участвовавшие в обоих экспериментах, обучают свой искусственный интеллект распознавать характеристики струй, возникающих из известных частиц. Затем искусственный интеллект способен отличать эти струи от нетипичных сигнатур, которые потенциально указывают на новые взаимодействия. Это проявилось бы в виде скопления нетипичных струй в наборе данных. Другой метод предполагает указание алгоритму искусственного интеллекта рассмотреть все событие столкновения и найти аномальные признаки в различных обнаруженных частицах. Эти аномальные признаки могут указывать на присутствие новых частиц. Этот метод был продемонстрирован в статье, опубликованной ATLAS в июле 2023 года, в которой описывалось одно из первых применений неконтролируемого машинного обучения в экспериментах на БАКЕ.
|
|
|
|
В CMS используется другой подход, при котором физики создают смоделированные примеры потенциальных новых сигналов, а затем поручают ИИ идентифицировать столкновения в реальных данных, которые отличаются от обычных реактивных самолетов, но напоминают результаты моделирования. Согласно последним результатам, представленным CMS, каждый метод обучения искусственного интеллекта демонстрировал различную чувствительность к различным типам новых частиц, и ни один алгоритм не оказался лучшим. Команда CMS смогла ограничить скорость образования нескольких различных типов частиц, которые создают аномальные струи. Они также смогли показать, что алгоритмы, основанные на искусственном интеллекте, значительно повысили чувствительность к широкому спектру сигнатур частиц по сравнению с традиционными методами. Эти результаты показывают, как машинное обучение революционизирует поиск новых физических данных. "У нас уже есть идеи о том, как еще больше усовершенствовать алгоритмы и применить их к различным частям данных для поиска нескольких видов частиц", - говорит Оз Амрам из аналитической группы CMS.
|
|
|
|
Источник
|
