Нейросеть ученых из ВШЭ и “Яндекса” ускорит поиск новых частиц на БАК

0 Просмотр Нет комментариев

© Фото : CERNМоделирование столкновения ионов свинца в детекторе ALICE на Большом адронном коллайдереНейросеть ученых из ВШЭ и "Яндекса" ускорит поиск новых частиц на БАК

Российские математики и физики создали систему искусственного интеллекта, которая существенно ускорит анализ поведения частиц внутри детекторов БАК и поможет быстрее открывать их. Ее описание и итоги работы были представлены в журнале NIMA.

“Удивительно, как методы, разрабатываемые, грубо говоря, для генерации реалистичных фотографий котов, позволяют на несколько порядков ускорить физические расчёты”, — рассказывает Никита Казеев, аспирант Высшей школы экономики, чьи слова приводит пресс-служба вуза.

В последние годы, благодаря развитию математики и росту вычислительных мощностей компьютеров, у ученых появилась возможность создавать сложные нейросети, системы искусственного интеллекта, способные исполнять нетривиальные задачи и даже “мыслить” креативно, создавая новые образцы искусства и технологий.

Многие из этих “творческих” достижений искусственного разума стали возможными благодаря появлению так называемых состязательных, или GAN-сетей, способных не только распознавать какие-то объекты или решать задачи, но и самостоятельно вырабатывать что-то новое.

Как правило, такая система ИИ состоит из двух соперничающих между собой блоков – один из них, “генератор”, предлагает новые варианты, а другой, “инспектор” – пытается понять, сделала ли первая половина сети ошибку и укладываются ли ее выкладки в определенные критерии.

Такую сеть сложнее обучить нужным действиям и достичь максимума производительности, но зато она работает гораздо надежнее после обучения. С другой стороны, ее можно научить даже тому, что сам человек плохо себе представляет и не может сформулировать.

Казеев и его коллеги по ВШЭ, а также специалисты из компании “Яндекс”, создали GAN-сеть, предназначенную для решения серьезных научных, а не бытовых или художественных задач. Ее главная цель – ускорить работу компьютерных систем, просчитывающих то, как ведут себя все мыслимые и немыслимые частицы, возникающие внутри детекторов Большого адронного коллайдера.

Зачем нужны подобные расчеты? Дело в том, что БАК и прочие ускорители частиц определяют то, что внутри них возник “божественный” бозон Хиггса, “дьявольский” пентакварк или какая-то другая частица не напрямую, а по тому, как продукты их распадов сталкиваются со стенками детекторов.

Каждую секунду внутри коллайдера рождается бесчисленное множество частиц, большая часть которых уже давно известна ученым и не вызывает у них никакого интереса. Найти интересные события в этом объеме данных невозможно не только вручную, но и при помощи классических компьютерных алгоритмов, из-за чего специалисты ЦЕРН уже давно используют нейросети для “просеивания” данных.

Каждое обновление БАК или постройка еще более мощных ускорителей, в свою очередь, заметно увеличит число возможных типов частиц, возникающих при столкновениях протонов или тяжелых ионов. Российские математики и физики выяснили, как можно ускорить просчет их поведения внутри детекторов, используя особую GAN-сеть.

Для проверки ее работы ученые выбрали оптоволоконные детекторы, применявшиеся на эксперименте BaBar для поиска возможных объяснений того, почему антиматерия почти полностью отсутствует во Вселенной.

Его манера взаимодействия с частицами была хорошо изучена и просчитана другими путями за десять лет работы BaBar, что позволило математикам натренировать искусственный разум и проверить его в деле.

Эти проверки завершились успешно – GAN-сеть правильно предсказала то, какие частицы должны возникать в этой установке, и при этом ускорила расчеты примерно в 80 раз. Как надеются ученые, их детище поможет предсказать то, как будут вести себя еще не открытые частицы, которые БАК обнаружит после завершения его очередного большого обновления в 2021 году.

Источник: ria.ru

Об авторе

„Если что-то выглядит именно так, как и должно выглядеть по нашему представлению, то за этим, скорее всего, кроется обман; там же, где обман кажется совершенно явным, скорее всего, никакого обмана нет.“ — Эрвин Гоффман.

Похожие статьи