Ученые использовали нейронную сеть, тип алгоритма машинного обучения, основанного на мозге, для анализа больших объемов данных о столкновениях частиц. Физикам элементарных частиц поручено изучить этот огромный и постоянно растущий массив данных о столкновениях в поисках доказательств существования еще неоткрытых частиц. В частности, они ищут частицы, не включенные в Стандартную модель физики элементарных частиц, наше нынешнее понимание строения Вселенной, которое, как подозревают ученые, является неполным.
В рамках сотрудничества ATLAS ученые из Аргоннской национальной лаборатории Министерства энергетики США (DOE) и их коллеги недавно использовали подход машинного обучения, называемый обнаружением аномалий, для анализа больших объемов данных ATLAS. Этот метод никогда раньше не применялся к данным эксперимента на коллайдере. Это потенциально может повысить эффективность сотрудничества в поиске чего-то нового. В коллаборации участвуют ученые из 172 исследовательских организаций.
Команда использовала алгоритм машинного обучения, вдохновленный мозгом, называемый нейронной сетью, для поиска в данных аномальных особенностей или аномалий. Эта техника отличается от более традиционных методов поиска новой физики. Он независим от предубеждений ученых и, следовательно, не ограничен ими.
Традиционно ученые ATLAS полагались на теоретические модели, которые помогали проводить эксперименты и анализ в наиболее перспективных для открытий направлениях. Это часто включает в себя выполнение сложного компьютерного моделирования, чтобы определить, как будут выглядеть определенные аспекты данных о столкновениях в соответствии со Стандартной моделью.
Ученые сравнивают эти предсказания Стандартной модели с реальными данными ATLAS. Они также сравнивают их с предсказаниями новых физических моделей, например, тех, которые пытаются объяснить темную материю и другие явления, не учтенные Стандартной моделью.
Но до сих пор никаких отклонений от Стандартной модели не наблюдалось в миллиардах миллиардов столкновений, зарегистрированных в ATLAS. А с момента открытия бозона Хиггса в 2012 году эксперимент ATLAS до сих пор не нашел ни одной новой частицы.
«Обнаружение аномалий — это совсем другой подход к этому поиску», — сказал Сергей Чеканов, физик Аргоннского отдела физики высоких энергий и ведущий автор исследования. «Вместо того, чтобы искать очень конкретные отклонения, цель состоит в том, чтобы найти необычные признаки в данных, которые совершенно не изучены и которые могут отличаться от того, что предсказывают наши теории».
Чтобы выполнить этот тип анализа, ученые представили каждое взаимодействие частиц в данных в виде изображения, напоминающего QR-код. Затем команда обучила свою нейронную сеть, подвергая ее воздействию 1% изображений.
Сеть состоит примерно из 2 миллионов взаимосвязанных узлов, которые аналогичны нейронам в мозге. Без человеческого вмешательства или вмешательства он идентифицировал и запоминал корреляции между пикселями на изображениях, которые характеризуют взаимодействия Стандартной модели. Другими словами, он научился распознавать типичные события, которые соответствуют предсказаниям Стандартной модели.
После обучения ученые передали остальные 99% изображений через нейронную сеть, чтобы обнаружить любые аномалии. Когда в качестве входных данных передается изображение, перед нейронной сетью ставится задача воссоздать изображение, используя свое понимание данных в целом.
«Если нейронная сеть сталкивается с чем-то новым или необычным, она запутывается и с трудом восстанавливает изображение», — сказал Чеканов. «Если существует большая разница между входным изображением и результатом, который оно производит, это дает нам понять, что в этом направлении может быть что-то интересное для исследования».
Используя вычислительные ресурсы Ресурсного центра лабораторных вычислений Аргонны, нейронная сеть проанализировала около 160 миллионов событий в данных LHC Run-2, собранных с 2015 по 2018 год.
Хотя нейронная сеть не нашла в этом наборе данных каких-либо явных признаков новой физики, она все же обнаружила одну аномалию, которая, по мнению ученых, заслуживает дальнейшего изучения. Распад экзотической частицы с энергией около 4.8 тераэлектронвольт приводит к образованию мюона (типа фундаментальной частицы) и струи других частиц, что не соответствует пониманию нейронной сетью взаимодействий Стандартной модели.
«Нам придется провести дополнительное расследование», — сказал Чеканов. «Вероятно, это статистическое колебание, но есть шанс, что этот распад может указывать на существование неоткрытой частицы».
Команда планирует применить этот метод к данным, собранным в период запуска LHC-3, который начался в 2022 году. Ученые ATLAS продолжат изучать потенциал машинного обучения и обнаружения аномалий как инструментов для картирования неизвестной территории в физике элементарных частиц.
Статья опубликована в журнале Physical Review Letters,.