وبلاگ

نیوزویز – دانشمندان از یک شبکه عصبی، نوعی الهام گرفته از مغز استفاده کردند فراگیری ماشین الگوریتم برای غربال کردن حجم زیادی از داده های برخورد ذرات

برای بیش از دو دهه، آشکارساز ذرات ATLAS پر انرژی ترین برخورد ذرات جهان را در برخورد دهنده بزرگ هادرون (LHC) واقع در CERN، سازمان اروپایی تحقیقات هسته ای، ثبت کرده است. پرتوهای پروتون در اطراف LHC با سرعتی نزدیک به سرعت نور شتاب می گیرند و هنگامی که در ATLAS با هم برخورد می کنند، آبشاری از ذرات جدید تولید می کنند که در نتیجه بیش از یک میلیارد برهم کنش ذره در ثانیه رخ می دهد.

فیزیکدانان ذرات وظیفه دارند این مخزن وسیع و رو به رشد داده های برخورد را برای شواهد ذرات کشف نشده استخراج کنند. به طور خاص، آنها به دنبال ذراتی هستند که در آن گنجانده نشده اند مدل استاندارد از فیزیک ذرات، درک کنونی ما از ساختار جهان، که دانشمندان گمان می کنند ناقص است.

به عنوان بخشی از همکاری ATLAS، دانشمندان آزمایشگاه ملی آرگون وزارت انرژی ایالات متحده (DOE) و همکارانشان اخیراً از فراگیری ماشین رویکردی که به نام تشخیص ناهنجاری نامیده می شود، برای تجزیه و تحلیل حجم زیادی از داده های ATLAS. این روش هرگز قبلاً برای داده های یک آزمایش برخورد دهنده اعمال نشده است. این پتانسیل را دارد که کارایی جستجوی چیز جدیدی را در همکاری بهبود بخشد. دانشمندان 172 سازمان تحقیقاتی در این همکاری شرکت می کنند.

این تیم از نوعی الهام گرفته از مغز استفاده کردند فراگیری ماشین الگوریتمی به نام شبکه عصبی برای جستجوی داده‌ها برای ویژگی‌ها یا ناهنجاری‌های غیرعادی. این تکنیک از روش های سنتی تر جستجوی فیزیک جدید جدا می شود. این مستقل از – و بنابراین بدون محدودیت – تعصبات دانشمندان است.

سرگئی چکانوف، فیزیکدان، گفت: «به جای جست‌وجوی موارد بسیار پرت، هدف یافتن امضاهای غیرعادی در داده‌ها است که کاملاً ناشناخته هستند و ممکن است متفاوت از آنچه تئوری‌های ما پیش‌بینی می‌کنند».

به طور سنتی، دانشمندان ATLAS برای هدایت آزمایش و تجزیه و تحلیل خود در جهت های امیدوارکننده برای کشف، بر مدل های نظری تکیه می کنند. این اغلب شامل اجرای شبیه‌سازی‌های کامپیوتری پیچیده برای تعیین اینکه جنبه‌های خاصی از داده‌های برخورد تحت مدل استاندارد چگونه به نظر می‌رسند، است. دانشمندان این پیش بینی های مدل استاندارد را با داده های واقعی ATLAS مقایسه کردند. آنها همچنین آنها را با پیش بینی های انجام شده توسط مدل های فیزیکی جدید، مانند مدل هایی که سعی در توضیح دارند، مقایسه می کنند ماده تاریک و سایر پدیده هایی که توسط مدل استاندارد در نظر گرفته نشده اند.

اما تاکنون هیچ انحرافی از مدل استاندارد در میلیاردها میلیارد برخورد ثبت شده در ATLAS مشاهده نشده است. و پس از کشف بوزون هیگز در سال 2012، آزمایش ATLAS هنوز ذره جدیدی را کشف نکرده بود.

سرگئی چکانوف، فیزیکدان در بخش فیزیک انرژی بالا Argonne و نویسنده اصلی این مطالعه گفت: “تشخیص ناهنجاری روشی بسیار متفاوت برای نزدیک شدن به این جستجو است.” هدف این است که به جای جستجوی نقاط پرت بسیار خاص، نشانه‌های غیرعادی در داده‌ها پیدا کنیم که کاملاً ناشناخته هستند و ممکن است متفاوت از آنچه تئوری‌های ما پیش‌بینی می‌کنند به نظر برسند.»

برای انجام این نوع تجزیه و تحلیل، دانشمندان هر فعل و انفعال ذره ای در داده ها را به صورت تصویری شبیه یک کد QR نشان می دهند. این تیم سپس شبکه عصبی خود را با قرار دادن آن در معرض 1 درصد از تصاویر آموزش دادند.

این شبکه از حدود 2 میلیون گره به هم پیوسته تشکیل شده است که مشابه نورون های مغز هستند. بدون راهنمایی یا مداخله انسانی، همبستگی بین پیکسل‌های موجود در تصاویر را شناسایی کرده و به یاد می‌آورد که تعاملات مدل استاندارد را مشخص می‌کند. به عبارت دیگر، او یاد گرفت که رویدادهای معمولی را که مطابق با پیش‌بینی‌های مدل استاندارد است، تشخیص دهد.

پس از آموزش، دانشمندان 99 درصد باقیمانده تصاویر را از طریق شبکه عصبی اجرا کردند تا هرگونه ناهنجاری را تشخیص دهند. هنگامی که یک تصویر به عنوان ورودی داده می شود، شبکه عصبی وظیفه دارد تصویر را با استفاده از درک خود از داده ها به عنوان یک کل بازسازی کند.

چکانوف گفت: «اگر شبکه عصبی با چیزی جدید یا غیرعادی مواجه شود، گیج می‌شود و بازسازی تصویر با مشکل مواجه می‌شود. “اگر تفاوت زیادی بین تصویر ورودی و خروجی تولید شده وجود داشته باشد، به ما این امکان را می دهد که بدانیم ممکن است چیز جالبی برای کشف در این جهت وجود داشته باشد.”

شبکه عصبی با استفاده از منابع محاسباتی در مرکز منابع محاسباتی آزمایشگاهی Argonne، حدود 160 میلیون رویداد را در داده های LHC Run-2 جمع آوری شده از سال 2015 تا 2018 تجزیه و تحلیل کرد.

اگرچه شبکه عصبی هیچ نشانه‌ای از فیزیک جدید را در این مجموعه داده پیدا نکرد، اما متوجه یک ناهنجاری شد که دانشمندان فکر کردند ارزش بررسی بیشتر را دارد. فروپاشی عجیب و غریب یک ذره با انرژی حدوداً 4.8 ترال‌الکترون ولت، یک میون (نوعی ذره بنیادی) و یک جت از ذرات دیگر را تولید می‌کند به گونه‌ای که با درک شبکه عصبی از فعل و انفعالات مدل استاندارد مطابقت ندارد.

چکانوف گفت: «ما باید تحقیقات بیشتری انجام دهیم. به احتمال زیاد این یک نوسان آماری است، اما این احتمال وجود دارد که این فروپاشی وجود یک ذره کشف نشده را نشان دهد.

این تیم قصد دارد این تکنیک را برای داده های جمع آوری شده در دوره LHC Run-3، که در سال 2022 آغاز شد، اعمال کند. دانشمندان ATLAS به کاوش پتانسیل فراگیری ماشین و تشخیص ناهنجاری به عنوان ابزاری برای نقشه برداری قلمرو ناشناخته در فیزیک ذرات.

نتایج این مطالعه در نامه معاینه فیزیکی. این کار تا حدی توسط دفتر فیزیک انرژی بالا دفتر علوم DOE و بنیاد ملی علوم تامین شده است.

آزمایشگاه ملی آرگون به دنبال راه حلی برای مشکلات مبرم ملی در علم و فناوری است. اولین آزمایشگاه ملی کشور، Argonne، تحقیقات پایه و کاربردی پیشرو را در تقریباً هر رشته علمی انجام می دهد. محققان Argonne از نزدیک با محققین صدها شرکت، دانشگاه و سازمان های فدرال، ایالتی و شهرداری همکاری می کنند تا به آنها کمک کنند تا مشکلات خاص خود را حل کنند، رهبری علمی آمریکا را ارتقا دهند و کشور را برای آینده ای بهتر آماده کنند. با کارکنان بیش از 60 کشور، Argonne توسط مدیریت می شود UChicago Argonne, LLC برای دفتر علوم وزارت انرژی ایالات متحده.

دفتر علوم وزارت انرژی ایالات متحده بزرگترین حامی تحقیقات پایه در علوم فیزیکی در ایالات متحده است و برای رسیدگی به برخی از مهم ترین چالش های زمان ما کار می کند. برای اطلاعات بیشتر مراجعه کنید https://energy.gov/scence.