Физики используют методы машинного обучения для поиска экзотических столкновений, которые могут указывать на новую физику

Важные новости

Физики используют методы машинного обучения для поиска экзотических столкновений, которые могут указывать на новую физику

Отображение одного из событий CMS, определенного алгоритмом ИИ как крайне аномального и, следовательно, потенциально исходящего от новой частицы. Источник: сотрудничество с CMS

Одна из главных целей экспериментов БАКа — поиск признаков новых частиц, которые могли бы объяснить многие неразгаданные загадки физики. Часто поиски новой физики направлены на поиск одного конкретного типа новых частиц за раз, используя теоретические предсказания в качестве руководства. А как насчет поиска непредсказуемых и неожиданных новых частиц?

Изучать миллиарды столкновений, происходящих в экспериментах БАКа, не зная точно, что искать, было бы гигантской задачей для физиков. Таким образом, вместо того, чтобы анализировать данные и искать аномалии, сотрудничество ATLAS и CMS позволяет искусственному интеллекту (ИИ) выполнять эту работу.

На конференции Rencontres de Moriond 26 марта физики из коллаборации CMS представили последние результаты, полученные с помощью различных методов машинного обучения для поиска пар «струй». Эти струи представляют собой коллимированные спреи частиц, возникающих из сильно взаимодействующих кварков и глюонов. Их особенно сложно анализировать, но они могут скрывать новую физику.

Исследователи из ATLAS и CMS используют несколько стратегий для обучения алгоритмов ИИ в поисках реактивных самолетов. Изучая форму их сложных энергетических характеристик, ученые могут определить, какая частица создала струю.

Используя реальные данные о столкновениях, физики в обоих экспериментах обучают свой ИИ распознавать характеристики струй, исходящих из известных частиц. Затем ИИ сможет отличить эти струи от нетипичных сигнатур струй, которые потенциально указывают на новые взаимодействия. В наборе данных это будет выглядеть как скопление нетипичных струй.

Другой метод включает в себя указание алгоритму ИИ рассмотреть все событие столкновения и искать аномальные особенности в различных обнаруженных частицах. Эти аномальные особенности могут указывать на присутствие новых частиц. Этот метод был продемонстрирован в статье, опубликованной ATLAS в июле 2023 года, в которой описывается одно из первых применений машинного обучения без учителя в результатах LHC.

В CMS другой подход предполагает, что физики создают смоделированные примеры потенциальных новые сигналы, а затем поручить ИИ идентифицировать столкновения в реальных данных, которые отличаются от обычных реактивных самолетов, но напоминают симуляцию.

Согласно последним результатам, представленным CMS, каждый метод обучения ИИ демонстрировал разную чувствительность к разным типам новых частиц, и ни один алгоритм не оказался лучшим.

Команде CMS удалось ограничить скорость производства из нескольких различных типов частиц, которые производят аномальные струи. Им также удалось показать, что алгоритмы на основе искусственного интеллекта значительно повысили чувствительность к широкому спектру сигнатур частиц по сравнению с традиционными методами.

Эти результаты показывают, как машинное обучение меняет поиск новой физики. «У нас уже есть идеи о том, как дальше совершенствовать алгоритмы и применять их к различным частям данных для поиска нескольких типов частиц», — говорит Оз Амрам из группы анализа CMS.

Дополнительная информация: Независимый от модели поиск диструйных резонансов с аномальной струйной субструктурой в протон-протонных столкновениях при
√s = 13 ТэВ. cms-results.web.cern.ch/cms-re … XO-22-026/index.html

Предоставлено ЦЕРН

Новости сегодня

Последние новости