Иллюстративное фото / Unsplash
Нейронная сеть сделала то, на что ученые тратили годы: она проанализировала данные о бозоне Хиггса из Большого адронного коллайдера (БАК), превзойдя прогнозы исследователей на 15 лет вперед. Прорыв, осуществленный с помощью метода Neural Simulation-Based Inference (NSBI) и он открывает новые горизонты для физики, позволяя науке двигаться вперед значительно быстрее.
Как нейронная сеть изменила анализ данных ВАК
История началась в 2017 году, когда один из лидеров сотрудничества эксперимента ATLAS на БАК поручил аспиранту Айшику Гошу работать над одним из вариантов обнаружения бозона Хиггса, впервые зафиксированного пятью годами ранее, рассказывает 24 Канал со ссылкой на ArsTechnika.
Смотрите также Как далеко нужно быть от эпицентра ядерного взрыва, чтобы выжить
Бозон Хиггса считается ответственным за массу элементарных частиц и возникает в результате столкновений протонов и их распада в ускорителе. Во время распада могут образовываться W-бозоны, которые отвечают за слабые ядерные взаимодействия, а их слияние может приводить к появлению бозона Хиггса, что сразу распадается на два Z-бозона, которые, в свою очередь, распадаются на лептоны, например, пары электрон-позитрон.
Однако бозон Хиггса образуется не всегда, и этот этап может быть пропущен, что усложняет анализ, ведь нужно изучать не то что есть, а то, чего не хватает.
Эти явления можно выявить только через тщательное моделирование и анализ огромного объема экспериментальных данных. Ситуацию осложняет явление квантовой интерференции, которое вносит значительные погрешности, подобно тому, как волны на воде во время дождя мешают отследить отдельные капли.
Средние цены в сети АЗС «Amic Energy» по состоянию на
В таких условиях ученые пытаются определить массу и другие физические характеристики частиц, но интерференция делает эту задачу чрезвычайно сложной.
ATLAS
Это один из двух универсальных детекторов частиц на БАК, наряду с Компактным мюонным соленоидом или CMS (Compact Muon Solenoid). Его основная цель – обнаружение и анализ частиц, образующихся при столкновениях протонов на беспрецедентно высоких энергиях, достигающих до 13-14 ТэВ (тераэлектронвольт) в центре масс. Детектор предназначен для изучения широкого спектра физических явлений, от бозона Хиггса до возможных признаков темной материи, дополнительных измерений и новых законов физики.
Расположенный в подземной каверне на глубине 100 метров вблизи деревни Мейрин в Швейцарии, детектор ATLAS имеет впечатляющие размеры: 46 метров в длину, 25 метров в диаметре и вес около 7000 тонн. Он состоит из нескольких слоев подсистем, которые фиксируют траектории, импульс и энергию частиц, возникающих после столкновений, позволяя идентифицировать их с высокой точностью. Система магнитов, изгибающая траектории заряженных частиц, и передовые триггерные системы, отбирающие самые интересные события среди миллиардов столкновений, делают ATLAS уникальным инструментом для науки.
Источник: Wikipedia
Прорывной результат, который превзошел ожидания
Айшик Гош быстро понял, что анализ отдельного варианта распада протонов на W-бозоны неэффективен из-за ошибок, вызванных интерференцией. Вместо этого он загрузил данные в нейронную сеть Neural Simulation-Based Inference (NSBI), которая ранее не использовалась для таких массивов данных.
NSBI самостоятельно моделировала явления в эксперименте ВАК и использовала эти модели для прогнозирования результатов измерений бозона Хиггса, учитывая все возможные пути распада и их интерференцию, что обеспечило более точный анализ.
Работа аспиранта привлекла внимание руководителя проекта и других специалистов сотрудничества ATLAS. До декабря 2024 года были подготовлены и опубликованы две научные статьи, которые прошли строгую экспертную проверку. Первая описывала метод NSBI, а вторая переанализировала старые данные ATLAS с помощью нейронной сети.
Результат превзошел ожидания: нейронная сеть предоставила более точные характеристики бозона Хиггса, чем команда ученых.
Исследователи отмечают, что теперь необходимо переделать набор прогнозов, ведь старые предсказания на 15 лет вперед уже достигнуты благодаря нейронной сети, что создает "очень забавную проблему".
Связанные темы:
Если Вы обнаружили ошибку на этой странице, выделите ее и нажмите Ctrl + Enter