|
Отслеживание неуловимых частиц
|
|
|
|
Когда ученые Европейского совета ядерных исследований (ЦЕРН) в Швейцарии хотят изучить субатомный мир, им сначала нужно разобраться в этом хаосе. Крупнейший в мире ускоритель элементарных частиц, Большой адронный коллайдер (БАК), объединяет пучки частиц почти со скоростью света, и в результате образуется поток новых частиц, многие из которых распадаются почти мгновенно. Внутри этого субатомного "шведского стола" находятся мюоны, элементарные частицы, которые примерно в 200 раз тяжелее электрона, которые существуют всего пару микросекунд (одну миллионную долю секунды), прежде чем распадутся на электрон, мюонное нейтрино и электронное антинейтрино.
|
|
|
|
Мюон интенсивно изучается, особенно его аномальный магнитный момент (или g-2), где любое отклонение экспериментальных результатов от теоретических предсказаний может привести к новой физике, которая в настоящее время не описывается стандартной моделью. Но поскольку мюоны существуют лишь короткое время, отследить эти частицы с целью их изучения может быть довольно сложно. Теперь в новом исследовании, опубликованном в журнале Machine Learning: Science and Technology, используется упрощенное моделирование детектора ATLAS [тороидального аппарата для БАК] в ЦЕРНе, чтобы продемонстрировать, как искусственный интеллект однажды сможет помочь отслеживать эти частицы.
|
|
|
|
“Восстановление траекторий заряженных частиц при столкновениях при высоких энергиях требует высокой точности для обеспечения надежной реконструкции событий и точного последующего физического анализа”, - пишут авторы. “В связи с предстоящим увеличением светимости и сложности данных на БАКЕ разработка оптимизированных методов слежения стала важным направлением исследований, а также с учетом важной модернизации детекторов в рамках сотрудничества ATLAS и CMS [Compact Muon Solenoid]”.
|
|
|
|
|
|
|
Традиционные методы отслеживания мюонов трудоемки и требуют двухэтапного процесса. Сначала программное обеспечение должно отделить мюоны от остального “шума”, а затем дополнительный алгоритм должен точно отслеживать траектории мюонов, перпендикулярные линии пучка, иначе известные как их поперечный импульс. Конечно, любые ошибки, допущенные на первом этапе, влияют на второй, поэтому команда ученых из Италии задалась вопросом, может ли машинное обучение объединить этот процесс в единый конвейер. Их метод предполагает использование типа искусственного интеллекта, называемого графической сетью внимания (GAT), для обозначения каждого сигнала детектора точкой и одновременного отображения возможных траекторий. Согласно исследованию, новый метод обнаружения с помощью искусственного интеллекта значительно улучшил традиционные методы.
|
|
|
|
“Примененная к игрушечному симулятору, основанному на геометрии и шуме мюонного спектрометра ATLAS, модель демонстрирует многообещающие результаты как в классификации попаданий, так и в оценке поперечного импульса и превосходит последовательный базовый подход”, - пишут авторы. - Эти достижения демонстрируют потенциал дифференцируемых комплексных методов, которые могут стать альтернативой традиционным алгоритмам отслеживания”.
|
|
|
|
Поскольку в этом исследовании использовалось упрощенное моделирование ATLAS, все еще существует множество реальных проблем, требующих решения, включая перекрывающиеся траектории частиц и другие неизбежные недостатки, но идея согласуется с заявленной целью ЦЕРНА - интегрировать искусственный интеллект в свою общую стратегию. В своем блоге в ноябре 2025 года Йоахим Мних, директор по исследованиям и вычислительной технике ЦЕРНА, заявил о своей цели использовать искусственный интеллект для научных открытий, а также для повышения производительности и результативности.
|
|
|
|
“Искусственный интеллект не только преобразил научные исследования, но и проник во все сферы деятельности организации”, - написал Мних. “Смог бы ЦЕРН жить без искусственного интеллекта? Ответ - нет”.
|
|
|
|
Источник
|
