Учёные из Брукхейвенской национальной лаборатории Министерства энергетики США вместе с коллегами из Колумбийского университета и Университета Колорадо в Боулдере разработали метод искусственного интеллекта, который самостоятельно учится отделять сигналы струй - узких потоков частиц высоких энергий - от плотного фона, регистрируемого при столкновениях тяжёлых ионов. Об этом сообщается в журнале Scientific Reports.

Такие столкновения воспроизводят условия ранней Вселенной, когда возникала кварк-глюонная плазма (КГП) - горячее и плотное состояние материи, в котором кварки и глюоны существуют свободно, а не связаны в протоны и нейтроны. КГП существовала примерно через микросекунду после Большого взрыва. Для её изучения физики используют струи - потоки частиц, которые, проходя через плазму, теряют энергию и меняют внутреннюю структуру. Именно эти изменения могут рассказать о свойствах сильного взаимодействия - самой мощной силы в природе, удерживающей кварки вместе.

Главная трудность - выделить сигнал струи на фоне огромного числа других частиц. Традиционные методы требуют ручной разметки данных, что ограничивает точность. Новая модель относится к классу "непарного обучения без учителя": ей не нужны заранее размеченные примеры, где для каждого сигнала известен фон. Вместо этого алгоритм учится на смоделированных данных, содержащих как фон, так и отдельные "чистые" изображения струй, и сам находит способ разделить их.

"Детектор видит перегруженную картину, в которой нужный сигнал скрыт в плотном потоке других частиц, - пояснил Енджу Го, физик лаборатории и профессор Университета Стоуни-Брук. - Наш метод учится разбивать изображение на две части - сигнал струи и фон - без необходимости в попарных примерах, которых в реальных данных просто нет".

Исследователи проверили модель на симулированных данных детектора sPHENIX, работавшего на коллайдере RHIC. В этих симуляциях алгоритм точнее восстанавливал положение, энергию и внутреннюю структуру струй, чем стандартные методы вычитания фона. Особенно заметным преимущество было для крупных струй, где колебания фона наиболее сильны.

Авторы подчёркивают: пока речь идёт только о моделировании. Следующий шаг - применить метод к реальным данным, собранным sPHENIX (почти 300 петабайт, что сравнимо с десятками миллиардов фотографий со смартфона), а в перспективе - к будущим экспериментам на электрон-ионном коллайдере (EIC) и Большом адронном коллайдере. По словам учёных, подход может пригодиться и в других областях, где нужно разделять перекрывающиеся сигналы.

"Улучшение вычитания фона позволит точнее измерять, как кварки и глюоны взаимодействуют в экстремальных условиях, и лучше понять сильное взаимодействие и поведение материи в ранней Вселенной", - отметил Го.

Отметим, что речь идёт о статистическом улучшении обработки данных, а не о доказательстве каких-либо новых свойств плазмы. Тем не менее, если метод подтвердит свою эффективность на реальных экспериментах, он может стать важным инструментом для физики высоких энергий.

Источник: Phys.org