Искусственный интеллект для восстановления треков частиц Данные, поступающие с Большого адронного коллайдера, характеризуются таким большим объемом, что записать их все никогда не представлялось возможным. Поэтому системы, обрабатывающие сигналы от детекторов, специализируются на "забывании" - они за доли секунды восстанавливают треки вторичных частиц и оценивают, можно ли проигнорировать только что наблюдаемое столкновение или стоит сохранить его для дальнейшего анализа. Однако существующих методов восстановления треков частиц скоро будет недостаточно. Исследование, представленное в журнале Computer Science учеными из Института ядерной физики Польской академии наук (IFJ PAN) в Кракове (Польша), показывает, что инструменты, созданные с использованием искусственного интеллекта, могут стать эффективной альтернативой существующим методам быстрой реконструкции треков частиц. Дебют новых методов может состояться в ближайшие два-три года, вероятно, в эксперименте MUonE, который поддерживает поиск новой физики. В современных экспериментах Физики высоких энергий частицы, расходящиеся из точки столкновения, проходят через последовательные слои детектора, передавая каждому из них немного энергии. На практике это означает, что если детектор состоит из десяти слоев и вторичная частица проходит через все из них, то ее траекторию нужно восстановить по десяти точкам. Задача только на первый взгляд проста. "Внутри детекторов обычно существует магнитное поле. Заряженные частицы движутся в нем по искривленным траекториям, и именно так будут располагаться относительно друг друга активированные частицами элементы детектора (hits)", - объясняет профессор Марцин Кухарчик (IFJ PAN). "В реальности, так называемая, заполненность (occupancy) детектора, то есть количество попаданий на один элемент детектора, может быть очень высокой, что создает множество проблем при попытке корректно восстановить треки частиц. В частности, реконструкция треков, расположенных близко друг к другу, представляет собой довольно сложную задачу". В экспериментах, направленных на поиск новой физики, частицы будут сталкиваться при более высоких энергиях, чем раньше, а значит, в каждом столкновении будет создаваться больше вторичных частиц. Светимость пучков также должна быть выше, что, в свою очередь, приведет к увеличению числа столкновений в единицу времени. В таких условиях классические методы восстановления треков частиц уже не справятся. На помощь может прийти искусственный интеллект, который отлично проявляет себя там, где нужно быстро распознать определенные универсальные закономерности. "Созданный нами искусственный интеллект представляет собой нейронную сеть глубокого обучения. Она состоит из входного слоя, состоящего из 20 нейронов, четырех скрытых слоев по 1 000 нейронов в каждом и выходного слоя с восемью нейронами. Все нейроны каждого слоя соединены со всеми нейронами соседнего слоя. В общей сложности сеть имеет два миллиона параметров конфигурации, значения которых задаются в процессе обучения", - рассказывает доктор Милош Здыбал (IFJ PAN). Подготовленная таким образом глубокая нейронная сеть была обучена на 40 000 смоделированных столкновений частиц, дополненных искусственно сгенерированным шумом. На этапе тестирования в сеть подавалась только информация о столкновениях. Поскольку они были получены в результате компьютерного моделирования, исходные траектории столкнувшихся частиц были точно известны и могли быть сравнены с реконструкциями, сделанными искусственным интеллектом. На этой основе искусственный интеллект научился правильно восстанавливать траектории частиц. Далее читайте в Подробнее. Загрузить:
"В нашей работе мы показываем, что глубокая нейронная сеть, обученная на правильно подготовленной базе данных, способна восстанавливать треки вторичных частиц с такой же точностью, как и классические алгоритмы. Этот результат имеет большое значение для разработки методов регистрации. В то время как обучение глубокой нейронной сети является длительным и требующим больших вычислительных затрат процессом, обученная сеть реагирует мгновенно. Поскольку она делает это с удовлетворительной точностью, мы можем с оптимизмом думать о ее использовании в случае реальных столкновений", - подчеркивает профессор Кухарчик. Ближайший эксперимент, в котором искусственный интеллект из IFJ PAN мог бы проявить себя, - MUonE (MUon ON Electron elastic scattering). В нем исследуется расхождение между измеренными значениями определенной физической величины у мюонов (частиц, которые примерно в 200 раз массивнее электрона) и предсказаниями Стандартной модели. Измерения, проведенные в американском ускорительном центре Fermilab, показывают, что так называемый аномальный магнитный момент мюонов отличается от предсказаний Стандартной модели с точностью до 4,2 стандартных отклонений (обозначаемых как сигма). Между тем, в физике принято считать, что значение выше 5 сигма, соответствующее уверенности в 99,99995%, является приемлемым для объявления об открытии. Статистическая значимость расхождения, указывающего на новую физику, может быть значительно увеличена, если удастся повысить точность предсказаний Стандартной модели. Однако для того, чтобы лучше определить аномальный магнитный момент мюона с ее помощью, необходимо знать более точное значение параметра, известного как адронная поправка. К сожалению, математический расчет этого параметра невозможен. На этом этапе становится понятна роль эксперимента MUonE. В нем ученые намерены изучить рассеяние мюонов на электронах атомов с низким порядковым номером, таких как углерод или бериллий. Полученные результаты позволят более точно определить некоторые физические параметры, которые напрямую зависят от адронной поправки. Если все пойдет по плану физиков, то определенная таким образом адронная поправка повысит достоверность измерения расхождения между теоретическим и измеренным значением аномального магнитного момента мюона до 7 сигма - и существование доселе неизвестных физике явлений может стать реальностью. Эксперимент MUonE должен начаться в CERN уже в следующем году, но целевая фаза запланирована на 2027 год. Возможно, именно тогда у краковских физиков появится возможность убедиться, что созданный ими искусственный интеллект справится со своей задачей по восстановлению треков частиц. Подтверждение его эффективности в условиях реального эксперимента может ознаменовать начало новой эры в технике обнаружения частиц. |
Электронный портал ядерных знаний Республики Беларусь
Belarusian Nuclear Education and Training Portal - BelNET
