Sürətləndiricilərdə toqquşan hissəciklər ikinci dərəcəli hissəciklərin çoxsaylı kaskadlarını əmələ gətirir. Detektorlardan uçqun düşən siqnalları emal edən elektronika daha sonra bir hadisənin sonrakı analiz üçün onu saxlamaq üçün kifayət qədər maraq doğurduğunu qiymətləndirmək üçün saniyənin bir hissəsinə sahibdir. Yaxın gələcəkdə bu tələbkar vəzifə AI-yə əsaslanan alqoritmlərdən istifadə etməklə həyata keçirilə bilər, onun hazırlanmasında PAS-ın Nüvə Fizikası İnstitutunun alimləri iştirak edir.

Nüvə fizikasında elektronikanın heç vaxt asan həyatı olmayıb . Dünyanın ən güclü sürətləndiricisi olan Böyük Adron Kollayderindən o qədər çox məlumat daxil olur ki, bunların hamısını qeyd etmək heç vaxt bir seçim olmayıb. Detektorlardan gələn siqnal dalğasını emal edən sistemlər buna görə də unutmaqda ixtisaslaşırlar – onlar ikinci dərəcəli hissəciklərin izlərini saniyənin bir hissəsində yenidən qurur və indicə müşahidə olunan toqquşmaya məhəl qoymamaq mümkün olub-olmadığını və ya əlavə təhlil üçün saxlamağa dəyər olub olmadığını qiymətləndirirlər. Bununla belə, hissəcik izlərinin yenidən qurulmasının hazırkı üsulları tezliklə kifayət etməyəcək.

Polşanın Krakov şəhərindəki Polşa Elmlər Akademiyasının Nüvə Fizikası İnstitutunun (IFJ PAN) alimləri tərəfindən Kompüter Elmləri sahəsində təqdim olunan tədqiqatlar göstərir ki, süni intellektdən istifadə etməklə qurulan alətlər hissəciklərin sürətli rekonstruksiyası üçün mövcud metodlara effektiv alternativ ola bilər. izlər. Onların debütü yaxın iki-üç il ərzində, ehtimal ki, yeni fizikanın axtarışını dəstəkləyən MUonE təcrübəsində baş verə bilər.

Müasir yüksək enerjili fizika təcrübələrində toqquşma nöqtəsindən ayrılan hissəciklər detektorun ardıcıl təbəqələrindən keçir və hər birində bir az enerji saxlayır. Praktikada bu o deməkdir ki, əgər detektor on təbəqədən ibarətdirsə və ikinci dərəcəli hissəcik onların hamısından keçirsə, onun yolu on nöqtə əsasında yenidən qurulmalıdır. Tapşırıq yalnız zahirən sadədir.

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=135&slotname=8188791252&adk=2329133447&adf=780081655&pi=t.ma~as.8188791252&w=540&fwrn=4&lmt=1711992428&rafmt=11&format=540×135&url=https%3A%2F%2Fphys.org%2Fnews%2F2024-03-team-ai-reconstruct-particle-paths.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTAuMC4wIiwieDg2IiwiIiwiMTIzLjAuNjMxMi44NiIsbnVsbCwwLG51bGwsIjY0IixbWyJHb29nbGUgQ2hyb21lIiwiMTIzLjAuNjMxMi44NiJdLFsiTm90OkEtQnJhbmQiLCI4LjAuMC4wIl0sWyJDaHJvbWl1bSIsIjEyMy4wLjYzMTIuODYiXV0sMF0.&dt=1711992369414&bpp=2&bdt=211&idt=382&shv=r20240327&mjsv=m202403250101&ptt=9&saldr=aa&abxe=1&cookie=ID%3D5d346f5e5cc96c83%3AT%3D1711816817%3ART%3D1711992205%3AS%3DALNI_MZdbuKX3JkLTYIASzwYTqXQsnfO5g&gpic=UID%3D00000d8601a1b778%3AT%3D1711816817%3ART%3D1711992205%3AS%3DALNI_MaQelh7liNnsBkMosJkThXBNbKuJw&eo_id_str=ID%3D3c61c6284063652a%3AT%3D1711816817%3ART%3D1711992205%3AS%3DAA-AfjZTZ5YTcMfFebI4RXZlGycf&prev_fmts=0x0&nras=1&correlator=1364818629661&frm=20&pv=1&ga_vid=1802142616.1711809852&ga_sid=1711992370&ga_hid=2792912&ga_fc=1&rplot=4&u_tz=240&u_his=1&u_h=900&u_w=1440&u_ah=860&u_aw=1440&u_cd=24&u_sd=1&dmc=8&adx=347&ady=2030&biw=1423&bih=739&scr_x=0&scr_y=0&eid=44759875%2C44759926%2C44759837%2C31082031%2C31082198%2C95328337%2C31082215%2C95321957%2C31081872%2C95321867%2C95328825%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&pvsid=1560476273310774&tmod=371568581&uas=0&nvt=3&ref=https%3A%2F%2Fphys.org%2Fweekly-news%2Fpage2.html&fc=1920&brdim=0%2C0%2C0%2C0%2C1440%2C0%2C1440%2C860%2C1440%2C739&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&psd=W251bGwsbnVsbCwibGFiZWxfb25seV80IiwxXQ..&nt=1&ifi=2&uci=a!2&btvi=1&fsb=1&dtd=58884

“Adətən detektorların içərisində bir maqnit sahəsi olur . Yüklənmiş hissəciklər orada əyri xətlər boyunca hərəkət edir və onların aktivləşdirdiyi detektor elementləri də belədir, bizim jarqonda hit adlandırırıq, bir-birinə nisbətdə yerləşəcəklər” deyə izah edir. Prof. Marcin Kucharczyk, (IFJ PAN).

“Reallıqda detektorun tutulması deyilən, yəni detektor elementinə düşən vuruşların sayı çox yüksək ola bilər ki, bu da hissəciklərin izlərini düzgün şəkildə yenidən qurmağa çalışarkən bir çox problemlərə səbəb olur. Xüsusilə, izlərin yenidən qurulması bir-birinə yaxın olmaq olduqca problemdir”.

Yeni fizikanı tapmaq üçün nəzərdə tutulan təcrübələr hissəcikləri əvvəlkindən daha yüksək enerjilərlə toqquşduracaq, yəni hər toqquşmada daha çox ikinci dərəcəli hissəciklər yaranacaq. Şüaların parlaqlığı da daha yüksək olmalıdır ki, bu da öz növbəsində vahid vaxtda toqquşmaların sayını artıracaq. Belə şəraitdə hissəcik izlərinin yenidən qurulmasının klassik üsulları artıq öhdəsindən gələ bilməz. Müəyyən universal nümunələrin tez tanınması lazım olan yerlərdə üstün olan süni intellekt köməyə gələ bilər.

“Bizim layihələndirdiyimiz süni intellekt dərin tipli neyron şəbəkəsidir . O, 20 neyrondan ibarət giriş qatından, hər biri 1000 neyrondan ibarət dörd gizli təbəqədən və səkkiz neyrondan ibarət bir çıxış qatından ibarətdir. Hər təbəqənin bütün neyronları bir-birinə bağlıdır. qonşu təbəqənin bütün neyronlarına. Ümumilikdə, şəbəkə iki milyon konfiqurasiya parametrinə malikdir, onların dəyərləri öyrənmə prosesi zamanı təyin olunur “deyir Dr. Milosz Zdybal (IFJ PAN).

Bu şəkildə hazırlanmış dərin neyron şəbəkəsi süni şəkildə yaradılan səs-küylə əlavə edilmiş 40.000 simulyasiya edilmiş hissəciklərin toqquşmasından istifadə etməklə öyrədildi. Test mərhələsində şəbəkəyə yalnız hit məlumatı ötürülürdü. Bunlar kompüter simulyasiyalarından əldə edildiyi üçün məsul hissəciklərin orijinal trayektoriyaları dəqiq məlum idi və süni intellektin təqdim etdiyi rekonstruksiyalarla müqayisə edilə bilərdi. Bunun əsasında süni intellekt hissəciklərin izlərini düzgün şəkildə yenidən qurmağı öyrəndi.

“Bizim məqaləmizdə göstəririk ki, düzgün hazırlanmış verilənlər bazasında öyrədilmiş dərin neyron şəbəkəsi ikinci dərəcəli hissəcik izlərini klassik alqoritmlər qədər dəqiqliklə yenidən qurmağa qadirdir. Bu, aşkarlama üsullarının inkişafı üçün böyük əhəmiyyət kəsb edən bir nəticədir. Dərin neyronların təlimi zamanı. Şəbəkə uzun və hesablama tələb edən bir prosesdir, öyrədilmiş şəbəkə dərhal reaksiya verir. Bunu da qənaətbəxş dəqiqliklə etdiyinə görə, real toqquşmalar zamanı ondan istifadə etmək barədə nikbin düşünə bilərik,” Prof. Kucharczyk vurğulayır.

IFJ PAN-dan olan süni intellektin özünü sübut etmək şansına malik olduğu ən yaxın təcrübə MUonE (MUon ON Electron elastik səpilmə)-dir. Bu, müəyyən fiziki kəmiyyətin müonlarla (elektronun təxminən 200 qat daha kütləvi ekvivalenti olan hissəciklər) ölçülmüş dəyərləri ilə Standart Modelin (yəni, dünyanı təsvir etmək üçün istifadə edilən model) proqnozları arasında maraqlı uyğunsuzluğu araşdırır. elementar hissəciklər).

https://googleads.g.doubleclick.net/pagead/ads?gdpr=0&us_privacy=1—&gpp_sid=-1&client=ca-pub-0536483524803400&output=html&h=135&slotname=8188791252&adk=2329133447&adf=1857921027&pi=t.ma~as.8188791252&w=540&fwrn=4&lmt=1711992453&rafmt=11&format=540×135&url=https%3A%2F%2Fphys.org%2Fnews%2F2024-03-team-ai-reconstruct-particle-paths.html&wgl=1&uach=WyJXaW5kb3dzIiwiMTAuMC4wIiwieDg2IiwiIiwiMTIzLjAuNjMxMi44NiIsbnVsbCwwLG51bGwsIjY0IixbWyJHb29nbGUgQ2hyb21lIiwiMTIzLjAuNjMxMi44NiJdLFsiTm90OkEtQnJhbmQiLCI4LjAuMC4wIl0sWyJDaHJvbWl1bSIsIjEyMy4wLjYzMTIuODYiXV0sMF0.&dt=1711992369416&bpp=2&bdt=212&idt=381&shv=r20240327&mjsv=m202403250101&ptt=9&saldr=aa&abxe=1&cookie=ID%3D5d346f5e5cc96c83%3AT%3D1711816817%3ART%3D1711992205%3AS%3DALNI_MZdbuKX3JkLTYIASzwYTqXQsnfO5g&gpic=UID%3D00000d8601a1b778%3AT%3D1711816817%3ART%3D1711992205%3AS%3DALNI_MaQelh7liNnsBkMosJkThXBNbKuJw&eo_id_str=ID%3D3c61c6284063652a%3AT%3D1711816817%3ART%3D1711992205%3AS%3DAA-AfjZTZ5YTcMfFebI4RXZlGycf&prev_fmts=0x0%2C540x135%2C1005x124&nras=2&correlator=1364818629661&frm=20&pv=1&ga_vid=1802142616.1711809852&ga_sid=1711992370&ga_hid=2792912&ga_fc=1&rplot=4&u_tz=240&u_his=1&u_h=900&u_w=1440&u_ah=860&u_aw=1440&u_cd=24&u_sd=1&dmc=8&adx=347&ady=3970&biw=1423&bih=739&scr_x=0&scr_y=1017&eid=44759875%2C44759926%2C44759837%2C31082031%2C31082198%2C95328337%2C31082215%2C95321957%2C31081872%2C95321867%2C95328825%2C31078663%2C31078665%2C31078668%2C31078670&oid=2&psts=AOrYGsnfnX4ZcAQtej-ge4qjCwtK-i_Zs0M9Gll_zq9RGezVizE_wylBd6BLp_LQ2uS34jLVaKSNCSYyy9LYYasWsb6ufA&pvsid=1560476273310774&tmod=371568581&uas=3&nvt=3&ref=https%3A%2F%2Fphys.org%2Fweekly-news%2Fpage2.html&fc=1920&brdim=0%2C0%2C0%2C0%2C1440%2C0%2C1440%2C860%2C1440%2C739&vis=1&rsz=%7C%7CpeEbr%7C&abl=CS&pfx=0&fu=128&bc=31&bz=1&td=1&psd=W251bGwsbnVsbCwibGFiZWxfb25seV80IiwxXQ..&nt=1&ifi=3&uci=a!3&btvi=3&fsb=1&dtd=83839

Amerika sürətləndiricisi Fermilab mərkəzində aparılan ölçmələr göstərir ki, muonların anomal maqnit momenti 4,2 standart sapmaya (siqma kimi istinad edilir) qədər əminliklə Standart Modelin proqnozlarından fərqlənir. Bu arada, fizikada 99,99995% əminliyə uyğun gələn 5 siqmadan yuxarı bir əhəmiyyətin kəşfi elan etmək üçün məqbul sayılan dəyər olduğu qəbul edilir.

Standart Modelin proqnozlarının dəqiqliyi yaxşılaşdırılarsa, yeni fizikanı göstərən uyğunsuzluğun əhəmiyyəti əhəmiyyətli dərəcədə artırıla bilər. Lakin onun köməyi ilə muonun anomal maqnit momentini daha yaxşı müəyyən etmək üçün hadronik korreksiya kimi tanınan parametrin daha dəqiq qiymətini bilmək lazım gələcəkdi. Təəssüf ki, bu parametrin riyazi hesablanması mümkün deyil.

Bu nöqtədə MUonE təcrübəsinin rolu aydın olur. Orada alimlər karbon və ya berillium kimi atom nömrəsi aşağı olan atomların elektronlarına müonların səpilməsini öyrənmək niyyətindədirlər. Nəticələr bilavasitə adronik korreksiyadan asılı olan müəyyən fiziki parametrləri daha dəqiq müəyyən etməyə imkan verəcək.

Əgər hər şey fiziklərin planlarına uyğun gedirsə, bu şəkildə təyin olunan adronik korreksiya müonun anomal maqnit momentinin nəzəri və ölçülmüş dəyəri arasında 7 siqmaya qədər uyğunsuzluğun ölçülməsi ilə indiyə qədər naməlum fizikanın mövcudluğu inamını artıracaq. reallığa çevrilə bilər.

MUonE təcrübəsi gələn ilin əvvəlində Avropanın CERN nüvə obyektində başlamalıdır, lakin hədəf mərhələ 2027-ci ilə planlaşdırılıb, yəqin ki, Krakov fiziklərinin yaratdıqları süni intellektin öz funksiyalarını yerinə yetirib-etməyəcəyini görmək imkanı olacaq. hissəcik izlərinin yenidən qurulmasında iş. Həqiqi təcrübə şəraitində onun effektivliyinin təsdiqi hissəciklərin aşkarlanması texnikasında yeni eranın başlanğıcını qeyd edə bilər.

Ətraflı məlumat: Miłosz Zdybał et al, MUonE Experiment üçün Maşın Öyrənməsinə əsaslanan Yenidənqurma, Kompüter Elmləri (2024). DOI: 10.7494/csci.2024.25.1.5690

Polşa Elmlər Akademiyası tərəfindən təmin edilmişdir