استخدم العلماء شبكة عصبية، وهي نوع من خوارزميات التعلم الآلي المستوحاة من الدماغ، لفحص كميات كبيرة من بيانات تصادم الجسيمات. تم تكليف علماء فيزياء الجسيمات بالتنقيب في هذا المخزون الضخم والمتزايد من بيانات الاصطدام بحثًا عن أدلة على الجسيمات غير المكتشفة. وعلى وجه الخصوص، يبحثون عن جسيمات غير مدرجة في النموذج القياسي لفيزياء الجسيمات، وهو فهمنا الحالي لتركيبة الكون الذي يشتبه العلماء في أنه غير مكتمل.
كجزء من تعاون ATLAS، استخدم العلماء في مختبر أرجون الوطني التابع لوزارة الطاقة الأمريكية (DOE) وزملاؤهم مؤخرًا نهجًا للتعلم الآلي يسمى اكتشاف الشذوذ لتحليل كميات كبيرة من بيانات ATLAS. لم يتم تطبيق هذه الطريقة من قبل على البيانات المأخوذة من تجربة المصادم. لديها القدرة على تحسين كفاءة بحث التعاون عن شيء جديد. يشمل التعاون علماء من 172 منظمة بحثية.
استفاد الفريق من نوع مستوحى من الدماغ من خوارزمية التعلم الآلي يسمى الشبكة العصبية للبحث في البيانات عن ميزات غير طبيعية أو حالات شاذة. تختلف هذه التقنية عن الطرق التقليدية للبحث عن فيزياء جديدة. إنها مستقلة عن تصورات العلماء المسبقة، وبالتالي غير مقيدة بها.
تقليديًا، اعتمد علماء ATLAS على النماذج النظرية للمساعدة في توجيه تجاربهم وتحليلاتهم في الاتجاهات الأكثر واعدة للاكتشاف. يتضمن هذا غالبًا إجراء عمليات محاكاة حاسوبية معقدة لتحديد كيفية ظهور جوانب معينة من بيانات الاصطدام وفقًا للنموذج القياسي.
يقارن العلماء تنبؤات النموذج القياسي هذه بالبيانات الحقيقية من ATLAS. كما أنهم يقارنونها أيضًا بالتنبؤات التي قدمتها نماذج الفيزياء الجديدة، مثل تلك التي تحاول تفسير المادة المظلمة والظواهر الأخرى التي لم يتم تفسيرها بواسطة النموذج القياسي.
ولكن حتى الآن، لم يتم ملاحظة أي انحرافات عن النموذج القياسي في مليارات المليارات من الاصطدامات المسجلة في ATLAS. ومنذ اكتشاف بوزون هيغز في عام 2012، لم تعثر تجربة أطلس بعد على أي جسيمات جديدة.
قال سيرجي تشيكانوف، الفيزيائي في قسم فيزياء الطاقة العالية في أرجون والمؤلف الرئيسي للدراسة: "إن اكتشاف الشذوذ هو طريقة مختلفة تمامًا للتعامل مع هذا البحث". "بدلاً من البحث عن انحرافات محددة للغاية، فإن الهدف هو العثور على توقيعات غير عادية في البيانات غير المستكشفة تمامًا، والتي قد تبدو مختلفة عما تتنبأ به نظرياتنا".
ولإجراء هذا النوع من التحليل، قام العلماء بتمثيل كل تفاعل جسيمي في البيانات كصورة تشبه رمز الاستجابة السريعة. بعد ذلك، قام الفريق بتدريب شبكتهم العصبية من خلال تعريضها لـ 1% من الصور.
تتكون الشبكة من حوالي 2 مليون عقدة مترابطة، والتي تشبه الخلايا العصبية في الدماغ. وبدون توجيه أو تدخل بشري، حددت وتذكرت الارتباطات بين وحدات البكسل في الصور التي تميز تفاعلات النموذج القياسي. بمعنى آخر، تعلمت كيفية التعرف على الأحداث النموذجية التي تتناسب مع تنبؤات النموذج القياسي.
وبعد التدريب، قام العلماء بتغذية 99% من الصور الأخرى من خلال الشبكة العصبية للكشف عن أي شذوذ. عند إعطاء صورة كمدخل، يتم تكليف الشبكة العصبية بإعادة إنشاء الصورة باستخدام فهمها للبيانات ككل.
قال تشيكانوف: "إذا واجهت الشبكة العصبية شيئًا جديدًا أو غير عادي، فإنها تصاب بالارتباك وتواجه صعوبة في إعادة بناء الصورة". "إذا كان هناك اختلاف كبير بين الصورة المدخلة والمخرجات التي تنتجها، فهذا يتيح لنا معرفة أنه قد يكون هناك شيء مثير للاهتمام لاستكشافه في هذا الاتجاه."
باستخدام الموارد الحسابية في مركز موارد الحوسبة المختبرية في أرجون، قامت الشبكة العصبية بتحليل حوالي 160 مليون حدث ضمن بيانات LHC Run-2 التي تم جمعها من عام 2015 إلى عام 2018.
على الرغم من أن الشبكة العصبية لم تجد أي علامات واضحة على وجود فيزياء جديدة في مجموعة البيانات هذه، إلا أنها رصدت شذوذًا واحدًا يعتقد العلماء أنه يستحق المزيد من الدراسة. يؤدي اضمحلال الجسيمات الغريبة عند طاقة تبلغ حوالي 4.8 تيرا إلكترون فولت إلى ظهور الميون (نوع من الجسيمات الأساسية) وتدفق من الجسيمات الأخرى بطريقة لا تتناسب مع فهم الشبكة العصبية لتفاعلات النموذج القياسي.
قال تشيكانوف: "سيتعين علينا إجراء المزيد من التحقيقات". "من المحتمل أن يكون ذلك تقلبًا إحصائيًا، ولكن هناك احتمال أن يشير هذا الاضمحلال إلى وجود جسيم غير مكتشف".
يخطط الفريق لتطبيق هذه التقنية على البيانات التي تم جمعها خلال فترة LHC Run-3، والتي بدأت في عام 2022. وسيواصل علماء ATLAS استكشاف إمكانات التعلم الآلي واكتشاف الشذوذ كأدوات لرسم مناطق غير معروفة في فيزياء الجسيمات.
تم نشر الورقة في المجلة استعراض للحروف البدنية.