Учёные Высшей школы экономики (ВШЭ) и компании "Яндекс" разработали систему искусственного интеллекта, которая на несколько порядков ускорит распознавание частиц на Большом адронном коллайдере (БАК).
Результаты исследования опубликованы в журнале Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment.
Каждую секунду на БАК миллионы протонов сталкиваются и вступают в реакцию друг с другом. Детекторы регистрируют частицы, которые появляются в результате этих реакций, и определяют их характеристики. В подавляющем большинстве таких событий получаются хорошо знакомые физикам частицы, так что поиск новых частиц напоминает поиск иголки в стоге сена. Чтобы отделить зёрна от плевел, нужно знать, как реагирует детектор на известные частицы, и чем точнее, тем лучше.
Самое точное описание даёт специальное программное обеспечение, настроенное на геометрию и физику конкретного детектора. Такие пакеты прекрасно предсказывают отклик датчиков на прохождение тех или иных частиц, однако скорость их работы может быть очень низкой. В частности, симуляция одного события на БАК может занимать несколько секунд. С учётом того, что в самом коллайдере каждую секунду сталкиваются миллионы частиц, в большинстве случаев приходится использовать менее точные методы.
Исследователи ВШЭ и Школы анализа данных "Яндекса" смогли ускорить симуляцию с помощью генеративных состязательных сетей (ГСС). Такая система состоит из двух нейронных сетей, которые, обучаясь, соревнуются между собой. Такой способ обучения используется, например, для генерации фотографий никогда не существовавших людей или животных. Одна сеть учится создавать похожие на реальность образы, а другая стремится найти отличия между искусственными и реальными изображениями.
"Удивительно, как методы, разрабатываемые, грубо говоря, для генерации реалистичных фотографий котов, позволяют на несколько порядков ускорить физические расчёты", – признаётся один из авторов исследования, аспирант ВШЭ Никита Казеев.
Исследователи научили генеративные состязательные сети предсказывать результаты реакций между протонами, сталкивающимися на БАК. Результаты показали, что эти физические явления с высокой точностью можно описать с помощью нейросетей.
"Использование генеративных состязательных сетей для быстрой симуляции поведения детектора, безусловно, поможет будущим экспериментам, – комментирует один из авторов исследования, доцент факультета компьютерных наук ВШЭ Денис Деркач. – По сути, мы использовали наиболее современные методы обучения, доступные в науке о данных, и наши знания о физике детекторов. Этому способствовал смешанный состав нашего коллектива, состоящий из дата-сайентистов и физиков".
К слову, ранее "Вести.Наука" (nauka.vesti.ru) писали о том, как ГСС используются для написания картин и фабрикации видео.
