Физики разработали инновационный алгоритм на основе машинного обучения, который существенно увеличивает эффективность анализа данных, полученных на Большом адронном коллайдере (БАК), сообщили в Европейской организации ядерных исследований (CERN).
Новое решение, получившее название Machine Learning Particle Flow (MLPF), призвано заменить традиционный метод Particle Flow, который использовался больше 10 лет в эксперименте CMS (Compact Muon Solenoid) — одного из двух крупных универсальных детекторов элементарных частиц на коллайдере.
Суть традиционного подхода заключается в использовании длинной цепочки вручную разработанных правил для определения частиц, возникающих при столкновении протонов. Метод Particle Flow демонстрирует неплохие результаты, но его гибкость ограничена жесткой логикой, заложенной исследователями.
Алгоритм MLPF действует принципиально иначе: вместо набора правил он использует единую модель, обученную на смоделированных столкновениях частиц. По принципу работы он похож на процесс человеческого обучения.
Испытания показали, что MLPF не только не уступает предыдущему алгоритму, а в ряде случаев превосходит его. Прогресс наиболее очевиден при реконструкции струй частиц (джетов) в событиях с образованием верхних кварков: точность увеличилась на 10−20% в основных диапазонах импульса частиц.
Важное преимущество нового алгоритма состоит в скорости обработки данных. MLPF оптимизирован на графических процессорах (GPU), которые намного эффективнее центральных процессоров (ЦП) при решении подобных задач. Это дает возможность полностью реконструировать столкновение гораздо быстрее, чем прежде.
Новые способы применения машинного обучения могут повысить точность реконструкции данных и напрямую улучшить результаты измерений CMS — от прецизионных тестов Стандартной модели по поиску новых частиц. В конечном счете наша цель — максимально эффективно извлечь максимум информации из экспериментальных данных
Особую ценность новый алгоритм получит после модернизации коллайдера, которую будут проводить с 2026 по 2030 год. Ожидается, что БАК с высокой светимостью будет генерировать примерно в пять раз больше столкновений частиц. В этих условиях умение алгоритма быстро и точно обрабатывать большие объемы данных станет очень важной для продолжения исследований в области физики элементарных частиц.
Ранее Наука Mail рассказывала, что в Китае начались эксперименты по трансформации антиматерии.
