Большой адронный коллайдер (БАК) вблизи Женевы, Швейцария, стал известен всему миру в 2012 году благодаря обнаружению бозона Хиггса. Это открытие стало решающим подтверждением Стандартной модели физики элементарных частиц. На сегодняшний день на LHC проводится проект ATLAS — на одноимённом детекторе, предназначенном для исследования протон-протонных столкновений. Сейчас детектор ждет обновление с высокой светимостью для операций, которое планируется начать в 2027 году. С этой целью команда физиков и ученых разработала алгоритм на основе машинного обучения, который приближает нынешний детектор к реагированию на значительно большее количество данных, ожидаемых при обновлении. Исследование публикует Journal of Instrumentation.
Как самая большая физическая машина из когда-либо созданных, БАК стреляет двумя пучками протонов в противоположных направлениях вокруг 17-мильного кольца, пока они не приближаются к скорости света, разбивает их вместе и анализирует продукты столкновения с помощью гигантских детекторов, таких как ATLAS. Прибор ATLAS имеет высоту шестиэтажного здания и весит около 7000 тонн. Сегодня LHC продолжает изучать бозон Хиггса, а также решает фундаментальные вопросы о том, как и почему материя во вселенной такая, какая она есть.
Большинство исследовательских вопросов в ATLAS связаны с поиском иглы в гигантском стоге сена, где ученые заинтересованы только в том, чтобы найти одно событие среди миллиарда других.
Уолтер Хопкинс, помощник физика из отдела физики высоких энергий Аргонна (HEP)
В рамках модернизации БАК предпринимаются усилия по увеличению яркости коллайдера — количества протон-протонных взаимодействий за столкновение двух протонных пучков — в пять раз. Это даст примерно в 10 раз больше данных в год, чем в настоящее время получают эксперименты на БАК. Насколько хорошо детекторы реагируют на эту повышенную частоту событий, еще предстоит понять. Это требует запуска высокопроизводительного компьютерного моделирования детекторов для точной оценки процессов, возникающих в результате столкновений БАК. Это крупномасштабное моделирование является дорогостоящим и требует больших затрат вычислительного времени на лучших и самых мощных суперкомпьютерах в мире.
Команда лаборатории Argonne создала алгоритм машинного обучения, который будет запускаться как предварительное моделирование перед любым полномасштабным моделированием. Этот алгоритм очень быстрым и менее затратным образом поможет показать, как настоящий детектор будет реагировать на большее количество данных, ожидаемое при обновлении. Он включает в себя моделирование откликов детектора на эксперимент со столкновением частиц и восстановление объектов по физическим процессам.
Открытие новой физики на БАК и в других местах требует все более сложных методов для анализа больших данных, тут и пригодится использование машинного обучения и других методов искусственного интеллекта.
Алгоритм команды может оказаться неоценимым не только для ATLAS, но и для нескольких экспериментальных детекторов на БАК, а также для других экспериментов по физике элементарных частиц, которые сейчас проводятся по всему миру.
Читать также
Выяснилось, что заставило цивилизацию майя покинуть свои города
Ученые раскрыли план герпеса по заражению человека: он похож на игру cо ставками
На 3 день болезни большинство больных COVID-19 теряют обоняние и часто страдают насморком