_ Echipa propune utilizarea AI pentru a reconstrui căile particulelor care conduc la o nouă fizică

Particulele care se ciocnesc în acceleratoare produc numeroase cascade de particule secundare. Sistemele electronice care procesează semnalele care intră în avalanșă de la detectoare au apoi o fracțiune de secundă pentru a evalua dacă un eveniment este de interes suficient pentru a-l salva pentru o analiză ulterioară. În viitorul apropiat, această sarcină solicitantă poate fi realizată folosind algoritmi bazați pe IA, a căror dezvoltare implică oameni de știință de la Institutul de Fizică Nucleară al PAS.

Electronica nu a avut niciodată o viață ușoară în domeniul nuclear fizică. Sunt atât de multe date care vin de la Large Hadron Collider, cel mai puternic accelerator din lume, încât înregistrarea tuturor nu a fost niciodată o opțiune. Sistemele care procesează valul de semnale care provin de la detectoare sunt, așadar, specializate în uitare – ele reconstruiesc urmele particulelor secundare într-o fracțiune de secundă și evaluează dacă coliziunea tocmai observată poate fi ignorată sau dacă merită să fie salvată pentru o analiză ulterioară. Cu toate acestea, metodele actuale de reconstrucție a urmelor de particule nu vor mai fi în curând suficiente.

Cercetări prezentate în Computer Science, de oameni de știință de la Institutul de Fizică Nucleară al Academiei Poloneze de Științe (IFJ PAN) din Cracovia, Polonia , sugerează că instrumentele construite folosind inteligența artificială ar putea fi o alternativă eficientă la metodele actuale pentru reconstrucția rapidă a urmelor de particule. Debutul lor ar putea avea loc în următorii doi-trei ani, probabil în experimentul MUonE care susține căutarea unei noi fizici.

În experimentele moderne de fizică de înaltă energie, particulele care se abat de la punctul de coliziune trec prin straturi succesive. a detectorului, depunând în fiecare câte puțină energie. În practică, aceasta înseamnă că dacă detectorul este format din zece straturi și particula secundară trece prin toate, traseul său trebuie reconstruit pe baza a zece puncte. Sarcina este doar aparent simplă.

„De obicei există un câmp magnetic în interiorul detectorilor. Particulele încărcate se mișcă în el de-a lungul liniilor curbe și așa sunt, de asemenea, modul în care elementele detectorului sunt activate de ele, ceea ce în jargonul nostru îl spunem. hit-urile apelurilor, vor fi localizate unul față de celălalt”, explică prof. Marcin Kucharczyk, (IFJ PAN).

„În realitate, așa-numita ocupare a detectorului, adică numărul de accesări pe elementul detector, poate fi foarte mare, ceea ce provoacă multe probleme atunci când se încearcă reconstruirea corectă a urmelor particulelor. În special, reconstrucția pistelor care sunt aproape unele de altele este o problemă destul de mare."

Experimentele concepute pentru a găsi o nouă fizică va ciocni particulele la energii mai mari decât înainte, ceea ce înseamnă că mai multe particule secundare vor fi create în fiecare coliziune. Luminozitatea fasciculelor va trebui, de asemenea, să fie mai mare, ceea ce la rândul său va crește numărul de coliziuni pe unitatea de timp. În astfel de condiții, metodele clasice de reconstrucție a urmelor de particule nu mai pot face față. Inteligența artificială, care excelează acolo unde anumite modele universale trebuie recunoscute rapid, poate veni în ajutor.

„Inteligenta artificială pe care am proiectat-o ​​este o rețea neuronală de tip profund. Constă dintr-un strat de intrare realizat. până la 20 de neuroni, patru straturi ascunse a câte 1.000 de neuroni fiecare și un strat de ieșire cu opt neuroni.Toți neuronii fiecărui strat sunt conectați la toți neuronii stratului vecin.În total, rețeaua are două milioane de parametri de configurare, valorile de care sunt stabilite în timpul procesului de învățare”, spune dr. Milosz Zdybal (IFJ PAN).

Rețeaua neuronală profundă astfel pregătită a fost antrenată folosind 40.000 de ciocniri de particule simulate, suplimentate cu zgomot generat artificial. În timpul fazei de testare, numai informațiile de acces au fost introduse în rețea. Deoarece acestea au fost derivate din simulări pe computer, traiectorii originale ale particulelor responsabile erau cunoscute exact și puteau fi comparate cu reconstrucțiile oferite de inteligența artificială. Pe această bază, inteligența artificială a învățat să reconstruiască corect urmele particulelor.

„În lucrarea noastră, arătăm că rețeaua neuronală profundă antrenată pe o bază de date pregătită corespunzător este capabilă să reconstruiască urmele particulelor secundare la fel de precis. algoritmi clasici.Acesta este un rezultat de mare importanță pentru dezvoltarea tehnicilor de detectare.În timp ce antrenarea unei rețele neuronale profunde este un proces îndelungat și solicitant din punct de vedere computațional, o rețea instruită reacționează instantaneu.Deoarece face acest lucru și cu o precizie satisfăcătoare, putem gândi optimist. despre utilizarea lui în cazul coliziunilor reale”, subliniază prof. Kucharczyk.

Cel mai apropiat experiment în care inteligența artificială de la IFJ PAN ar avea șansa să se dovedească este MUonE (MUon ON Electron elastic scattering) . Aceasta examinează o discrepanță interesantă între valorile măsurate ale unei anumite cantități fizice legate de muoni (particule care sunt de aproximativ 200 de ori mai echivalente masive ale electronului) și predicțiile modelului standard (adică modelul utilizat pentru a descrie lumea particule elementare).

Măsurătorile efectuate la centrul american de accelerație Fermilab arată că așa-numitul moment magnetic anomal al muonilor diferă de predicțiile Modelului Standard cu o certitudine de până la 4,2 abateri standard (referit ca sigma). Între timp, în fizică este acceptat că o semnificație peste 5 sigma, corespunzătoare unei certitudini de 99,99995%, este o valoare considerată acceptabilă pentru a anunța o descoperire.

Semnificația discrepanței care indică o nouă fizică ar putea fi semnificativă a crescut dacă precizia predicțiilor modelului standard ar putea fi îmbunătățită. Totuși, pentru a determina mai bine momentul magnetic anormal al muonului cu ajutorul acestuia, ar fi necesar să se cunoască o valoare mai precisă a parametrului cunoscut sub numele de corecție hadronică. Din păcate, un calcul matematic al acestui parametru nu este posibil.

În acest moment, rolul experimentului MUonE devine clar. În ea, oamenii de știință intenționează să studieze împrăștierea muonilor pe electronii atomilor cu număr atomic scăzut, cum ar fi carbonul sau beriliul. Rezultatele vor permite o determinare mai precisă a anumitor parametri fizici care depind direct de corecția hadronică.

Dacă totul decurge conform planurilor fizicienilor, corecția hadronică astfel determinată va crește încrederea în măsurare. discrepanța dintre valoarea teoretică și măsurată a momentului magnetic anormal al muonului cu până la 7 sigma — și existența unei fizici necunoscute până acum poate deveni o realitate.

Experimentul MUonE urmează să înceapă la instalația nucleară CERN din Europa. încă de anul viitor, dar faza țintă a fost planificată pentru 2027, care este probabil când fizicienii de la Cracovia vor avea ocazia să vadă dacă inteligența artificială pe care au creat-o își va face treaba în reconstruirea urmelor de particule. Confirmarea eficacității sale în condițiile unui experiment real ar putea marca începutul unei noi ere în tehnicile de detectare a particulelor.

(Fluierul)