מדענים השתמשו ברשת עצבית, סוג של אלגוריתם למידת מכונה בהשראת המוח, כדי לנפות כמויות גדולות של נתוני התנגשות חלקיקים. על פיסיקאי החלקיקים מוטלת המשימה לכרות את המאגר העצום והגדל הזה של נתוני התנגשות לצורך עדות לחלקיקים שלא התגלו. בפרט, הם מחפשים חלקיקים שאינם כלולים במודל הסטנדרטי של פיזיקת החלקיקים, ההבנה הנוכחית שלנו לגבי הרכב היקום שמדענים חושדים שאינה שלמה.
כחלק משיתוף הפעולה של ATLAS, מדענים במעבדה הלאומית Argonne של משרד האנרגיה האמריקאי (DOE) ועמיתיהם השתמשו לאחרונה בגישת למידת מכונה הנקראת זיהוי אנומליות כדי לנתח כמויות גדולות של נתוני ATLAS. השיטה מעולם לא יושמה בעבר על נתונים מניסוי מתנגש. יש לו פוטנציאל לשפר את היעילות של החיפוש של שיתוף הפעולה אחר משהו חדש. בשיתוף הפעולה מעורבים מדענים מ-172 ארגוני מחקר.
הצוות מינף סוג בהשראת המוח של אלגוריתם למידת מכונה שנקרא רשת עצבית כדי לחפש בנתונים תכונות חריגות או חריגות. הטכניקה פורצת משיטות מסורתיות יותר של חיפוש אחר פיזיקה חדשה. היא בלתי תלויה - ולכן אינה מוגבלת - בתפיסות הקדומות של מדענים.
באופן מסורתי, מדעני ATLAS הסתמכו על מודלים תיאורטיים שיעזרו להנחות את הניסוי והניתוח שלהם לכיוונים המבטיחים ביותר לגילוי. זה כרוך לעתים קרובות בביצוע הדמיות מחשב מורכבות כדי לקבוע כיצד ייראו היבטים מסוימים של נתוני התנגשות על פי המודל הסטנדרטי.
מדענים משווים את תחזיות המודל הסטנדרטי הללו לנתונים אמיתיים מ-ATLAS. הם גם משווים אותם לתחזיות שנעשו על ידי מודלים פיזיים חדשים, כמו אלה המנסים להסביר חומר אפל ותופעות אחרות שאינן מוסברות על ידי המודל הסטנדרטי.
אך עד כה, לא נצפו חריגות מהמודל הסטנדרטי במיליארדי מיליארדי התנגשויות שתועדו ב-ATLAS. ומאז גילוי בוזון היגס ב-2012, ניסוי ATLAS עדיין לא מצא חלקיקים חדשים.
"זיהוי חריגות הוא דרך שונה מאוד לגשת לחיפוש הזה", אמר סרגיי צ'קאנוב, פיזיקאי בחטיבת הפיזיקה הגבוהה של אנרגיה של ארגון ומחבר ראשי במחקר. "במקום לחפש סטיות מאוד ספציפיות, המטרה היא למצוא חתימות יוצאות דופן בנתונים שאינם נחקרים לחלוטין, ועשויים להיראות אחרת ממה שהתיאוריות שלנו חוזות".
כדי לבצע ניתוח מסוג זה, המדענים ייצגו כל אינטראקציה של חלקיקים בנתונים כתמונה הדומה לקוד QR. לאחר מכן, הצוות אימן את הרשת העצבית שלו על ידי חשיפתה ל-1% מהתמונות.
הרשת מורכבת מכ-2 מיליון צמתים מחוברים זה לזה, המקבילים לנוירונים במוח. ללא הדרכה או התערבות אנושית, הוא זיהה וזכר מתאמים בין פיקסלים בתמונות המאפיינות אינטראקציות של מודל סטנדרטי. במילים אחרות, הוא למד לזהות אירועים טיפוסיים המתאימים לתחזיות של מודל סטנדרטי.
לאחר האימון, המדענים האכילו את שאר 99% מהתמונות דרך הרשת העצבית כדי לזהות חריגות כלשהן. כאשר ניתנת תמונה כקלט, על הרשת העצבית מוטלת המשימה ליצור מחדש את התמונה תוך שימוש בהבנתה של הנתונים בכללותם.
"אם הרשת העצבית נתקלת במשהו חדש או יוצא דופן, היא מתבלבלת ומתקשה לשחזר את התמונה", אמר צ'קאנוב. "אם יש הבדל גדול בין תמונת הקלט לבין הפלט שהיא מייצרת, זה מאפשר לנו לדעת שאולי יש משהו מעניין לחקור בכיוון הזה."
באמצעות משאבי חישוב במרכז המשאבים למחשוב מעבדה של Argonne, הרשת העצבית ניתחה כ-160 מיליון אירועים בתוך נתוני LHC Run-2 שנאספו מ-2015 עד 2018.
למרות שהרשת העצבית לא מצאה סימנים בולטים של פיזיקה חדשה במערך הנתונים הזה, היא כן זיהתה חריגה אחת שלדעת המדענים שווה מחקר נוסף. דעיכת חלקיקים אקזוטיים באנרגיה של כ-4.8 טרה-אלקטרון-וולט גורמת למיאון (סוג של חלקיק יסוד) ולסילון של חלקיקים אחרים באופן שאינו מתאים להבנת הרשת העצבית את אינטראקציות המודל הסטנדרטי.
"נצטרך לעשות חקירה נוספת," אמר צ'קאנוב. "סביר להניח שזו תנודה סטטיסטית, אבל יש סיכוי שהדעיכה הזו יכולה להצביע על קיומו של חלקיק שלא התגלה".
הצוות מתכנן ליישם את הטכניקה הזו על נתונים שנאספו במהלך תקופת LHC Run-3, שהחלה בשנת 2022. מדעני ATLAS ימשיכו לחקור את הפוטנציאל של למידת מכונה וזיהוי חריגות ככלים לשרטוט טריטוריה לא ידועה בפיזיקה של חלקיקים.
המאמר מתפרסם בכתב העת מכתבי סקירה פיזית.