Поиск событий на Большом адронном коллайдере

МЕНЮ


Искусственный интеллект. Новости
Поиск
Регистрация на сайте
Сбор средств на аренду сервера для ai-news

ТЕМЫ


Новости ИИРазработка ИИРабота разума и сознаниеВнедрение ИИРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информации

Авторизация



RSS


RSS новости

Новостная лента форума ailab.ru

Поиск событий на Большом адронном коллайдере

Физик Андрей Устюжанин о бозоне Хиггса, фейерверках частиц и алгоритмах отбора снимков событий

Большой адронный коллайдер (БАК) ежесекундно порождает петабайты информации и является одним из самых важных ее источников об устройстве нашей Вселенной. Обработать их все в ручном режиме сложно. Получать информацию о физических явлениях помогают алгоритмы машинного обучения: благодаря им данные получается собирать более эффективно. На БАКе ведется несколько экспериментов, и два из них предназначались для подтверждения или опровержения существования бозона Хиггса. Первые указания на него удалось обнаружить в 2012 году. Во многом это удалось сделать благодаря машинному обучению.

Зачем Стандартной модели нужен бозон Хиггса?

Ученые начали искать бозон Хиггса задолго до того, как был построен Большой адронный коллайдер. Он является важным элементом Стандартной модели физики частиц — теории, объясняющей устройство нашего мира и взаимодействие между частицами. В нее входят шесть кварков, три поколения лептонов и специальные частицы — переносчики взаимодействий. Еще в 1960-х годах Питер Хиггс, Франсуа Энглер и Роберт Браут предположили, что должна существовать частица, ответственная за массу некоторых частиц — элементарных фермионов, таких как электроны и кварки, а также W- и Z-бозонов. Большинство положений Стандартной модели нашло экспериментальные подтверждения. Но для ее полноты не хватало последнего, очень важного элемента — бозона Хиггса.

По этой причине поиск бозона Хиггса стал одной из основных задач Большого адронного коллайдера. БАК включает в себя множество сложных устройств: помимо ускорителя, в нем задействованы охлаждающие машины, детекторы, а также компьютерные фермы обработки данных.

События на коллайдере

Изучение информации, которую мы получаем с ускорителя, можно сравнить с поиском драгоценных металлов в руде: нужно построить такой механизм отбора, который позволяет при минимальном количестве усилий и денег получить максимальное количество «золота». Но важный нюанс заключается в том, что в обычной руде, как правило, есть только один тип драгоценного металла. А в данных коллайдера может быть информация о разных событиях, важных для разных задач. Один ученый, например, ищет «золото», и ему неинтересно «серебро». А другому, наоборот, нужны именно «серебряные» события. Особенность заключается в том, что частота «золотых» и «серебряных» событий может различаться на порядки, поэтому необходим очень сложный механизм фильтрации, который должен не упустить ничего значимого и удовлетворить запросам разных исследователей.

В коллаборации CERN входят исследователи, которые ищут подтверждения различных физических гипотез. Оценить правдоподобность гипотез можно путем сравнения количественных характеристик определенных типов событий с предсказанием выбранных гипотез. Главная функция коллайдера — разгонять протоны до скорости, близкой к скорости света, и сталкивать их друг с другом в вакуумной трубе. Встречные пучки протонов пересекаются в специально отведенных местах под углом, обеспечивающим максимальное количество протон-протонных столкновений в секунду. Вблизи точек пересечения пучков стоят детекторы. Это большие чувствительные элементы, которые состоят из разных подсистем. По сути, это фотокамеры, которые делают огромное количество снимков в секунду.

Протоны объединены в сгустки, в каждом из которых около 100 миллионов протонов. Из столкновения пары таких сгустков может произойти до 30 соударений протонов: большинство протонов пролетают мимо друг друга и продолжают свой путь по кольцу ускорителя. Поскольку интересные события происходят редко, важно запускать как можно больше таких сгустков протонов. На БАКе их запускают в таком большом количестве, что удается получить до 40 миллионов событий в секунду. Результаты соударения протонов выглядят как фейерверк частиц, которые фиксируются на снимках детекторов.

Важная особенность элементарных частиц состоит в том, что одни частицы могут превращаться в другие. Сталкивая протоны на высокой энергии, мы можем получить частицы, которых не было в пучках до столкновения. Чем выше энергия сталкивающихся частиц, тем больше вероятность возникновения тяжёлых частиц. И поэтому главное достоинство БАК заключается в том, что он может разгонять протоны до такой высокой скорости и концентрировать сгустки так хорошо, что при столкновении могут появиться не измеренные ранее частицы, такие как бозон Хиггса.

Снимки событий, полученные детекторами, содержат отклики на пролет частиц, рожденных в столкновении. Бозон Хиггса — это нестабильная частица, которая довольно быстро во что-то превращается или распадается, например в фотоны или лептоны. Потому объектом изучения физиков являются частицы, которые появились в результате столкновения, пролетели небольшое расстояние и распались на другие, более стабильные частицы.

Поиск нужного события

Каждый из видов (или, как говорят физики, каналов) распада является предметом отдельного изучения, потому что экспериментальное подтверждение различных гипотез, которые конкурируют за право описывать нашу реальность наиболее полно, требует сделать это с опорой на результаты проведенных исследований. То есть здесь большую роль играет сравнение объективных характеристик, которые мы можем проанализировать, таким образом подтвердить ту или иную гипотезу, которая позволит нам предсказывать в будущем какие-то вещи. Вся наука вообще строится вокруг разработки теорий, способных предсказывать события или процессы.

Чтобы найти достаточное количество подтверждений той или иной теории, необходимо переработать огромное количество событий, в которых, может, и не будет искомых следов, зато будут следы чего-то другого.

Поэтому около детектора расположено большое количество компьютеров, занимающихся онлайн-обработкой полученных данных: они отбрасывают заведомо неинтересные события, в которых точно не было следов каких-то значимых явлений. То есть по косвенным признакам и без анализа структуры и каких-то сложных характеристик можно понять, представляет ли событие интерес для ученых или нет. Например, это можно определить по яркости вспышки от столкновения, запечатленной на снимке события. Если яркость от столкновения была небольшой, скорее всего, интересного события не произошло. Снимки ярких событий, наоборот, отправляются на дальнейшую обработку для последующего анализа.

В результате такого онлайн-отбора остается примерно одна тысячная данных: из десятков миллионов событий в секунду фильтр проходят десятки тысяч событий. Эти данные сохраняются на диск, и с ними в дальнейшем работают исследователи. Для большей сохранности они распределяются по нескольким дата-центрам по всему миру. Эти центры представляют собой так называемый грид — распределенную вычислительную систему, которая не только хранит данные, но и обрабатывает их.

Затем физики, участвующие в поиске бозона Хиггса, отбирают события, распределенные по этому гриду, которые с высокой вероятностью содержат признаки распада бозона Хиггса. Основной задачей этого этапа является подсчет таких событий. На этом этапе подключаются алгоритмы машинного обучения. Они позволяют с гораздо большей точностью отобрать подходящие события, чем когда это делается в ручном режиме.

К этим алгоритмам предъявляются строгие требования: ошибки в них могут обойтись очень дорого. Их создание — это очень кропотливый и интеллектуально насыщенный процесс, требующий большого количества проверок и общего понимания физики наблюдаемых явлений. В результате отбора таких событий накапливается статистика, которая позволяет судить о количестве событий, которые могут претендовать на содержание следов бозона Хиггса.

YouTube3:29

Алгоритмы машинного обучения учатся определять важность события при помощи «трафаретов»: специальный симулятор генерирует модель идеального события, которое должно содержать следы искомого события. Хорошо обученный алгоритм должен уметь отличать эти идеальные события от всех остальных (фоновых). Сравнение снимков детекторов происходит с помощью алгоритма, обученного на симулированных моделях идеальных событий.

После того как физики получают оценку количества событий-кандидатов, используются физические и статистические подходы, которые дают финальное решение о степени достоверности наблюдаемых явлений: можно ли считать обнаруженное количество событий-кандидатов самостоятельным явлением, просто случайной флуктуацией или специальным фоном. И именно этот результат с очень продуманной и тщательно взвешенной аргументацией ложится в основу научных открытий.

Полный цикл анализа данных, от их сбора с помощью детектора, дает возможность сделать вывод о том, какая гипотеза, претендующая на объяснение реальности, является истинной. Проверив и сравнив разные предположения, мы можем отбросить те, которые не соответствуют реальности. После этого останется одна, подтвержденная экспериментально. Благодаря исследованиям на БАК удалось определить массу бозона Хиггса и таким образом завершить построение Стандартной модели и обнаружить ее главную недостающую часть.

Андрей Устюжанин

кандидат физико-математических наук, заведующий Научно-учебной лабораторией методов анализа больших данных ВШЭ

 


Источник: postnauka.ru



Поддержи проект ai-news рублем. Машины верят в тебя! >>



Комментарии: