פריצת דרך בינה מלאכותית באיתור חלקיקים חדשים במאיץ ההדרונים הגדול

בינה מלאכותית מחוללת מהפכה באופן שבו מתגלים חלקיקים חדשים בניסויי LHC.

על ידי אימון בינה מלאכותית לזהות ולהבדיל בין סילונים טיפוסיים ללא טיפוסיים, חוקרים יכולים לזהות פיזיקה חדשה פוטנציאלית החבויה בתוך התנגשויות חלקיקים. ההתקדמות האחרונה הודגשה בכנס פיזיקה, והראתה את ההתקדמות והפוטנציאל של יישומי AI אלה.

אחת המטרות העיקריות של ניסויי מאיץ ההדרון הגדול (LHC) היא לחפש סימנים של חלקיקים חדשים, שיכולים להסביר רבות מהתעלומות הבלתי פתורות בפיזיקה. לעתים קרובות, חיפושים אחר פיזיקה חדשה נועדו לחפש סוג אחד ספציפי של חלקיק חדש בכל פעם, תוך שימוש בתחזיות תיאורטיות כמדריך. אבל מה לגבי חיפוש אחר חלקיקים חדשים בלתי צפויים ובלתי צפויים?

לנפות את מיליארדי ההתנגשויות המתרחשות בניסויי ה-LHC מבלי לדעת בדיוק מה לחפש תהיה משימה אדירה עבור פיזיקאים. לכן, במקום לסרוק את הנתונים ולחפש חריגות, שיתופי הפעולה של ATLAS ו-CMS מאפשרים בינה מלאכותית (AI) לייעל את התהליך.

התקדמות בינה מלאכותית בזיהוי חלקיקים

ב רנקונטרס דה מוריון בכנס ב-26 במרץ, הציגו פיזיקאים משיתוף הפעולה CMS את התוצאות העדכניות ביותר שהושגו באמצעות שימוש במגוון למידת מכונה טכניקות לחיפוש זוגות של "סילונים". סילונים אלה הם תרסיסים קולימטיביים של חלקיקים שמקורם מקווארקים וגלואונים בעלי אינטראקציה חזקה. קשה במיוחד לנתח אותם, אבל הם יכולים להסתיר פיזיקה חדשה.

טכניקות באימון בינה מלאכותית לפיזיקה

חוקרים ב-ATLAS ו-CMS משתמשים במספר אסטרטגיות כדי לאמן אלגוריתמי בינה מלאכותית בחיפושיהם אחר סילונים. על ידי לימוד הצורה של חתימות האנרגיה המורכבות שלהם, מדענים יכולים לקבוע איזה חלקיק יצר את הסילון. באמצעות נתוני התנגשות אמיתיים, הפיזיקאים בשני הניסויים מאמנים את ה-AI שלהם לזהות את המאפיינים של סילונים שמקורם בחלקיקים ידועים. לאחר מכן, הבינה המלאכותית מסוגלת להבדיל בין סילונים אלה לבין חתימות סילון לא טיפוסיות, אשר עשויות להצביע על אינטראקציות חדשות. אלה יופיעו כהצטברות של מטוסים לא טיפוסיים במערך הנתונים.

שיטה נוספת כוללת הוראה לאלגוריתם הבינה המלאכותית לשקול את כל אירוע ההתנגשות ולחפש מאפיינים חריגים בחלקיקים השונים שזוהו. תכונות חריגות אלו עשויות להצביע על נוכחותם של חלקיקים חדשים. טכניקה זו הודגמה במאמר שפורסם על ידי ATLAS ביולי 2023, אשר הציג את אחד השימושים הראשונים של למידת מכונה ללא פיקוח בתוצאה של LHC. ב-CMS, גישה שונה כוללת פיזיקאים שיוצרים דוגמאות מדומות של אותות פוטנציאליים חדשים ולאחר מכן מטילים על הבינה המלאכותית לזהות התנגשויות בנתונים האמיתיים ששונים ממטוסים רגילים אך דומות לסימולציה.

ההשפעה של למידת מכונה על פיזיקת החלקיקים

בתוצאות האחרונות שהציגה CMS, כל שיטת אימון בינה מלאכותית הפגינה רגישויות שונות לסוגים שונים של חלקיקים חדשים, ואף אלגוריתם בודד לא הוכיח את עצמו כטוב ביותר. צוות ה-CMS הצליח להגביל את קצב הייצור של מספר סוגים שונים של חלקיקים המייצרים סילונים חריגים. הם גם הצליחו להראות שהאלגוריתמים המוובילים בינה מלאכותית שיפרו משמעותית את הרגישות למגוון רחב של חתימות חלקיקים בהשוואה לטכניקות מסורתיות.

תוצאות אלו מראות כיצד למידת מכונה מחוללת מהפכה בחיפוש אחר פיזיקה חדשה. "כבר יש לנו רעיונות כיצד לשפר עוד יותר את האלגוריתמים וליישם אותם על חלקים שונים של הנתונים כדי לחפש כמה סוגים של חלקיקים", אומר עוז עמרם, מצוות ניתוח CMS.