Большой адронный коллайдер (БАК) вблизи Женевы, Швейцария, стал известен всему миру в 2012 году благодаря обнаружению бозона Хиггса. Это открытие стало решающим подтверждением Стандартной модели физики элементарных частиц. На сегодняшний день на LHC проводится проект ATLAS — на одноимённом детекторе, предназначенном для исследования протон-протонных столкновений.

Сейчас детектор ждет обновление с высокой светимостью для операций, которое планируется начать в 2027 году. С этой целью команда физиков и ученых разработала алгоритм на основе машинного обучения, который приближает нынешний детектор к реагированию на значительно большее количество данных, ожидаемых при обновлении.

Исследование публикует Journal of Instrumentation.

Как самая большая физическая машина из когда-либо созданных, БАК стреляет двумя пучками протонов в противоположных направлениях вокруг 17-мильного кольца, пока они не приближаются к скорости света, разбивает их вместе и анализирует продукты столкновения с помощью гигантских детекторов, таких как ATLAS. Прибор ATLAS имеет высоту шестиэтажного здания и весит около 7000 тонн. Сегодня LHC продолжает изучать бозон Хиггса, а также решает фундаментальные вопросы о том, как и почему материя во вселенной такая, какая она есть.

Большинство исследовательских вопросов в ATLAS связаны с поиском иглы в гигантском стоге сена, где ученые заинтересованы только в том, чтобы найти одно событие среди миллиарда других, – Уолтер Хопкинс, помощник физика из отдела физики высоких энергий Аргонна (HEP).

В рамках модернизации БАК предпринимаются усилия по увеличению яркости коллайдера — количества протон-протонных взаимодействий за столкновение двух протонных пучков — в пять раз. Это даст примерно в 10 раз больше данных в год, чем в настоящее время получают эксперименты на БАК.

Насколько хорошо детекторы реагируют на эту повышенную частоту событий, еще предстоит понять. Это требует запуска высокопроизводительного компьютерного моделирования детекторов для точной оценки процессов, возникающих в результате столкновений БАК. Это крупномасштабное моделирование является дорогостоящим и требует больших затрат вычислительного времени на лучших и самых мощных суперкомпьютерах в мире.

Команда лаборатории Argonne создала алгоритм машинного обучения, который будет запускаться как предварительное моделирование перед любым полномасштабным моделированием. Этот алгоритм очень быстрым и менее затратным образом поможет показать, как настоящий детектор будет реагировать на большее количество данных, ожидаемое при обновлении. Он включает в себя моделирование откликов детектора на эксперимент со столкновением частиц и восстановление объектов по физическим процессам.

Открытие новой физики на БАК и в других местах требует все более сложных методов для анализа больших данных, тут и пригодится использование машинного обучения и других методов искусственного интеллекта.

Алгоритм команды может оказаться неоценимым не только для ATLAS, но и для нескольких экспериментальных детекторов на БАК, а также для других экспериментов по физике элементарных частиц, которые сейчас проводятся по всему миру.