16:38 2024-04-15 science - citeste alte articole pe aceeasi tema
Comentarii Adauga Comentariu

_ Învățarea automată ar putea ajuta la dezvăluirea particulelor nedescoperite în datele de la Large Hadron Collider

_ Învățarea automată ar putea ajuta dezvăluie particule nedescoperite în datele de la Large Hadron Collider

Oamenii de știință au folosit o rețea neuronală, un tip de algoritm de învățare automată inspirat de creier, pentru a verifica volume mari de date despre ciocnirea particulelor. Fizicienii particulelor au sarcina de a extrage acest depozit masiv și în creștere de date de coliziune pentru dovezi ale particulelor nedescoperite. În special, ei caută particule care nu sunt incluse în Modelul standard al fizicii particulelor, înțelegerea noastră actuală a structurii universului pe care oamenii de știință o suspectează este incompletă.

Ca parte a colaborării ATLAS, oamenii de știință de la U.S. Laboratorul Național Argonne al Departamentului de Energie (DOE) și colegii lor au folosit recent o abordare de învățare automată numită detectarea anomaliilor pentru a analiza volume mari de date ATLAS. Metoda nu a mai fost niciodată aplicată datelor dintr-un experiment de coliziune. Are potențialul de a îmbunătăți eficiența căutării colaborării pentru ceva nou. Colaborarea implică oameni de știință din 172 de organizații de cercetare.

Echipa a folosit un tip de algoritm de învățare automată inspirat de creier, numit rețea neuronală, pentru a căuta în date caracteristici anormale sau anomalii. Tehnica se desparte de metodele mai tradiționale de căutare a unei noi fizici. Este independent de – și, prin urmare, neconstrâns de – preconcepțiile oamenilor de știință.

În mod tradițional, oamenii de știință de la ATLAS s-au bazat pe modele teoretice pentru a-și ghida experimentul și analiza în direcțiile cele mai promițătoare pentru descoperire. Aceasta implică adesea efectuarea de simulări computerizate complexe pentru a determina cum ar arăta anumite aspecte ale datelor de coliziune conform modelului standard.

Oamenii de știință compară aceste predicții ale modelului standard cu datele reale de la ATLAS. Ei le compară, de asemenea, cu predicțiile făcute de noile modele fizice, cum ar fi cele care încearcă să explice materia întunecată și alte fenomene care nu au fost explicate de Modelul Standard.

Dar până acum, nu au fost observate abateri de la Modelul Standard în miliardele de miliarde de coliziuni înregistrate la ATLAS. Și de la descoperirea bosonului Higgs în 2012, experimentul ATLAS nu a găsit încă particule noi.

„Detecția anomaliilor este o modalitate foarte diferită de abordare a acestei căutări”, a spus Serghei Cekanov, fizician în Divizia de fizică a energiei înalte din Argonne și un autor principal al studiului. „În loc să cauți abateri foarte specifice, scopul este de a găsi semnături neobișnuite în datele care sunt complet neexplorate și care pot arăta diferit de ceea ce prezic teoriile noastre.”

Pentru a efectua acest tip de analiză, oamenii de știință au reprezentat fiecare interacțiune a particulelor din date ca o imagine care seamănă cu un cod QR. Apoi, echipa și-a antrenat rețeaua neuronală expunând-o la 1% din imagini.

Rețeaua constă din aproximativ 2 milioane de noduri interconectate, care sunt analoge cu neuronii din creier. Fără îndrumări sau intervenții umane, a identificat și a amintit corelațiile dintre pixelii din imagini care caracterizează interacțiunile modelului standard. Cu alte cuvinte, a învățat să recunoască evenimentele tipice care se încadrează în predicțiile modelului standard.

După antrenament, oamenii de știință au alimentat celelalte 99% din imagini prin rețeaua neuronală pentru a detecta orice anomalie. Când i se oferă o imagine ca intrare, rețeaua neuronală are sarcina de a recrea imaginea folosind înțelegerea datelor ca întreg.

„Dacă rețeaua neuronală întâlnește ceva nou sau neobișnuit, devine confuză și are o este greu de reconstruit imaginea”, a spus Cekanov. „Dacă există o diferență mare între imaginea de intrare și ieșirea pe care o produce, ne anunță că ar putea fi ceva interesant de explorat în acea direcție.”

Folosind resurse de calcul de la Centrul de resurse de calcul al laboratorului Argonne, rețeaua neuronală a analizat aproximativ 160 de milioane de evenimente din datele LHC Run-2 colectate din 2015 până în 2018.

Deși rețeaua neuronală a făcut-o" Nu am găsit semne flagrante de fizică nouă în acest set de date, a identificat o anomalie despre care oamenii de știință cred că merită studiată în continuare. O dezintegrare a particulelor exotice la o energie de aproximativ 4,8 teraelectronvolți are ca rezultat un muon (un tip de particule fundamentale) și un jet de alte particule într-un mod care nu se potrivește cu înțelegerea rețelei neuronale a interacțiunilor modelului standard.

„Va trebui să facem mai multe investigații”, a spus Cekanov. „Este probabil o fluctuație statistică, dar există șansa că această dezintegrare ar putea indica existența unei particule nedescoperite.”

Echipa intenționează să aplice această tehnică datelor colectate în timpul perioadei LHC Run-3, care a început în 2022. Oamenii de știință de la ATLAS vor continua să exploreze potențialul învățării automate și al detectării anomaliilor ca instrumente pentru trasarea unui teritoriu necunoscut în fizica particulelor.

Lucrul este publicat în revista Physical Review Letters.

(Fluierul)

Inapoi