STREAMLINE از هوش مصنوعی برای مقابله با یکی از سخت ترین مشکلات در فیزیک هسته ای استفاده می کند

Newswise – پروژه جدیدی به نام STREAMLINE از هوش مصنوعی و ابررایانه‌ها برای حل یکی از سخت‌ترین چالش‌های فیزیک هسته‌ای استفاده می‌کند – باز کردن بینش‌هایی درباره هسته‌های اتمی، ستاره‌های نوترونی و نیروهای بنیادی.

در قلب هر اتم، خوشه‌ای از پروتون‌ها و نوترون‌ها وجود دارد که به‌طور محکم بسته شده‌اند، سیستمی که توسط برخی از پیچیده‌ترین فعل و انفعالات در طبیعت اداره می‌شود. درک چگونگی رفتار این ذرات یکی از چالش های اصلی فیزیک هسته ای است. اکنون پروژه ای به نام STREAMLINE این چالش را با استفاده از ترکیبی قدرتمند از هوش مصنوعی (AI) و ابررایانه ها انجام می دهد.

هدف STREAMLINE با همکاری دانشگاه‌ها و آزمایشگاه‌های ملی، از جمله آزمایشگاه ملی آرگون وزارت انرژی ایالات متحده (DOE) حل چیزی است که دانشمندان آن را مشکل چند جسمی کوانتومی هسته‌ای می‌نامند – چالش پیش‌بینی تعداد ذرات برهم کنش جمعی به عنوان یک سیستم کوانتومی. چالش این است که محاسبه کنیم چگونه ده‌ها ذره در سطح کوانتومی بر یکدیگر تأثیر می‌گذارند، جایی که قوانین فیزیک با تجربه روزمره متفاوت است.

الساندرو لواتو، دانشمند Argonne، محقق ارشد این تلاش، گفت: این پروژه با هدف حل مسئله کوانتومی چند جسمی هسته ای با دقت بالا با استفاده از تکنیک های یادگیری ماشینی انجام می شود.

مشکل دشوار است زیرا تعداد فعل و انفعالات ممکن با اضافه شدن ذرات بیشتر به صورت تصاعدی افزایش می یابد. روش های سنتی به سرعت با محدودیت های محاسباتی مواجه می شوند. حتی قدرتمندترین ابرکامپیوترهای جهان نیز فقط می توانند سیستم های نسبتاً کوچکی را مدیریت کنند.

STREAMLINE این معادله را تغییر می دهد. با استفاده از یادگیری ماشین – نوعی از هوش مصنوعی – محققان می توانند به طور موثرتری به این تعاملات پیچیده نزدیک شوند. به جای محاسباتی که به صورت تصاعدی رشد می کنند، روش های جدید به آرامی مقیاس می شوند و به دانشمندان اجازه می دهند تا سیستم های بسیار بزرگتری را نسبت به قبل مطالعه کنند.

در Argonne، تیم Lovato در استفاده از شبکه‌های عصبی – مدل‌های کامپیوتری آموزش‌دیده بر روی داده‌ها برای تشخیص الگوها و پیش‌بینی‌ها – برای نمایش توابع موج کوانتومی پیشگام شدند. تابع موج توصیفی ریاضی از یک سیستم کوانتومی است که هر چیزی را که دانشمندان در مورد آن بدانند رمزگذاری می کند. با جایگزینی معادلات مرسوم با شبکه های عصبی منعطف، محققان می توانند سیستم هایی را که قبلا غیرقابل دسترس بودند مدل کنند.

نتایج در حال حاضر شگفت انگیز است. در حالی که روش‌های قبلی می‌توانستند حدود ۱۲ ذره برهم‌کنش را کنترل کنند، رویکرد جدید می‌تواند تا ۱۰۰ افزایش یابد و دری را برای مطالعه هسته‌های اتمی واقعی‌تر باز کند.

لواتو گفت: «این واقعاً بازی را تغییر داد.

مفاهیم بسیار فراتر از فیزیک هسته ای است. درک بهتر هسته‌های اتم به دانشمندان کمک می‌کند تا آزمایش‌هایی را که قوانین اساسی طبیعت را بررسی می‌کنند، از جمله مطالعات نوترینوها – ذرات گریزانی که تقریباً بدون توجه از ماده عبور می‌کنند، تفسیر کنند. همچنین اطلاعاتی در مورد مدل‌های ستاره‌های نوترونی، بقایای فوق‌چگال ستارگان فروپاشیده در جایی که ماده در شرایط شدید وجود دارد، ارائه می‌کند.

از نظر عملی، STREAMLINE مقادیری تولید خواهد کرد که دانشمندان تجربی می توانند اندازه گیری کنند، مانند اندازه، انرژی و ساختار هسته اتم. این نتایج را می‌توان با داده‌های تأسیساتی مانند سیستم شتاب‌دهنده Linac Argonne Tandem (ATLAS) مقایسه کرد که پیوند بین تئوری و آزمایش را تقویت می‌کند. ATLAS یک مرکز کاربری دفتر علوم DOE در Argonne است که بر فیزیک هسته‌ای تمرکز دارد.

این پروژه همچنین بسیار مشارکتی است. تأسیسات پرتو ایزوتوپی نادر در دانشگاه ایالتی میشیگان، همکاری اخیراً تجدید شده STREAMLINE 2 را رهبری می‌کند که همچنین محققان آزمایشگاه شتاب‌دهنده ملی فرمی و آزمایشگاه ملی Oak Ridge، دانشگاه ایالتی فلوریدا، دانشگاه ایالتی کارولینای شمالی، دانشگاه ایالتی اوهایو، دانشگاه اوهایو و دانشگاه آرگونی را گرد هم می‌آورد.

Argonne تخصص عمیق در نظریه هسته ای را با دسترسی به برخی از پیشرفته ترین ابررایانه های جهان از جمله سیستم هایی مانند Aurora ترکیب می کند. شفق قطبی که در مرکز محاسبات رهبری Argonne (ALCF) واقع شده است، قادر است بیش از یک کوئینتیلیون محاسبه در ثانیه انجام دهد. این منابع به محققان اجازه می‌دهد تا شبیه‌سازی‌های در مقیاس بزرگ مورد نیاز برای آموزش و اعمال مدل‌های یادگیری ماشین در سیستم‌های کوانتومی را اجرا کنند. ALCF همچنین یک تسهیلات کاربری دفتر علوم DOE است.

STREAMLINE همچنین همزمان با مأموریت Genesis DOE است، ابتکاری که بر استفاده از هوش مصنوعی برای تسریع کشف و نوآوری علمی متمرکز است. STREAMLINE با ادغام مستقیم هوش مصنوعی در تحقیقات فیزیک بنیادی نشان می‌دهد که چگونه یادگیری ماشینی می‌تواند نه تنها تجزیه و تحلیل داده‌ها، بلکه روش انجام خود علم را نیز متحول کند.

این پروژه علاوه بر تاثیر علمی، به شکل گیری نیروی کار آینده کمک می کند. ترکیبی از فیزیک هسته ای، هوش مصنوعی و محاسبات با کارایی بالا، نسل جدیدی از محققان را به خود جذب می کند و مهارت هایی را برای آنها فراهم می کند که در علم و صنعت ارزش فزاینده ای دارند.

STREAMLINE نشان‌دهنده تغییر روشی است که دانشمندان به یکی از سخت‌ترین مشکلات در این زمینه نزدیک می‌شوند، و نگاهی اجمالی به آنچه ممکن است وقتی محاسبات پیشرفته و نبوغ انسانی در کنار هم قرار گیرند.

همانطور که لواتو گفت، ​”شبکه عصبی چیزی در مورد فیزیک هسته ای نمی داند – اما وقتی آن را آموزش می دهیم، یاد می گیرد که مانند یک سیستم کوانتومی رفتار کند.”

و به گفته محققان، این می تواند کلید باز کردن قفل عصر بعدی اکتشاف باشد.

تسهیلات محاسباتی رهبری آرگون قابلیت‌های ابر محاسباتی را برای جامعه علمی و مهندسی فراهم می‌کند تا اکتشافات و درک بنیادی را در طیف گسترده‌ای از رشته‌ها پیش ببرد. ALCF که توسط برنامه تحقیقات محاسبات علمی پیشرفته (ASCR) دفتر علوم وزارت انرژی ایالات متحده (DOE) پشتیبانی می شود، یکی از دو امکانات محاسباتی رهبری DOE در کشور است که به علم باز اختصاص دارد.

سیستم شتاب دهنده Argonne Tandem Linac

این مواد بر اساس کار پشتیبانی شده توسط وزارت انرژی ایالات متحده (DOE)، دفتر علوم، دفتر فیزیک هسته ای، تحت شماره قرارداد DE-AC02-06CH11357 است. این تحقیق از منابع Argonne Tandem Linac Accelerator System (ATLAS)، یک مرکز کاربر علوم دفتر DOE استفاده کرد.

آزمایشگاه ملی آرگون با انجام تحقیقات بنیادی و کاربردی پیشرو در تقریباً هر رشته علمی به دنبال راه حلی برای مشکلات مبرم ملی در علم و فناوری است. Argonne توسط UChicago Argonne، LLC برای دفتر علوم وزارت انرژی ایالات متحده اداره می شود.

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 تلاش می کند. برای اطلاعات بیشتر، به https://energy.gov/​science مراجعه کنید.