利用AI建構的工具可以有效取代目前快速重建粒子軌跡的方法
粒子在加速器中碰撞會產生大量次級粒子級聯。電子設備在處理偵測器發出的訊號時,需要在幾分之一秒的時間內評估一個事件是否足以引起人們的興趣,並將其保存下來以供日後分析。在不久的將來,這項艱鉅的任務可能會透過基於人工智慧的演算法來完成。
在核子物理領域,電子設備的日子並不好過。世界上最強大的加速器–大型強子對撞機(LHC)會產生大量數據,因此,記錄所有數據從來都不是一種選擇。因此,處理來自探測器的信號波的系統專門從事……”遺忘”–它們在幾分之一秒內重建二次粒子的軌跡,並評估剛剛觀察到的碰撞是否可以忽略,或是否值得保存下來以便進一步分析。然而,目前重建粒子軌跡的方法很快就不夠用了。
粒子追蹤中的人工智慧
波蘭克拉科夫波蘭科學院核子物理研究所(IFJ PAN)的科學家在《電腦科學》(Computer Science)雜誌上發表的研究報告指出,利用人工智慧建構的工具可以有效取代目前快速重建粒子軌跡的方法。這些工具可能會在未來兩三年內首次亮相,很可能是在支持尋找新物理學的MUonE 實驗中。
根據MUonE 偵測器內碰撞時記錄的撞擊情況重建二次粒子軌跡的原理。後續目標以金色標出,矽探測器層以藍色標出。資料來源:IFJ PAN
粒子探測的複雜性
在現代高能量物理實驗中,從碰撞點偏離的粒子會連續穿過探測器的各個層,並在每一層沉積一點能量。在實踐中,這意味著如果探測器由十層組成,而二次粒子穿過所有層,則必須根據十個點重建其路徑。這項任務看似簡單。
“探測器內部通常有一個磁場。帶電粒子在磁場中沿著彎曲的線運動,這也是被它們激活的探測器元件(用我們的行話說就是”命中”)相互之間的位置關係,”Marcin Kucharczyk 教授(IFJ PAN)解釋說,並立即補充道:”在現實中,所謂的探測器佔用率,即每個探測器元件的命中數,可能會非常高,這在試圖正確重建粒子軌跡時會造成很多問題。特別是,重建相互靠近的軌跡是一個相當大的問題”。
旨在發現新物理學的實驗將以比以前更高的能量碰撞粒子,這意味著每次碰撞都會產生更多的次級粒子。光束的亮度也必須更高,這反過來又會增加單位時間內的碰撞次數。在這種情況下,傳統的粒子軌跡重建方法已無法應對。在需要快速辨識某些普遍模式的情況下,人工智慧就能提供協助。
人工智慧作為一種解決方案
“我們設計的人工智慧是一個深度型神經網路。它包括一個由20 個神經元組成的輸入層、四個各由1 000 個神經元組成的隱藏層和一個由8 個神經元組成的輸出層.每一層的所有神經元都與相鄰層的所有神經元相連。該網路總共有200 萬個配置參數,其值在學習過程中設定,”Milosz Zdybal 博士(IFJ PAN)介紹說。
由此編製的深度神經網路使用40000 次模擬粒子碰撞進行訓練,並輔以人工生成的噪音。在測試階段,只向網路輸入碰撞資訊。由於這些資訊來自電腦模擬,因此肇事粒子的原始軌跡是準確已知的,可以與人工智慧提供的重建資訊進行比較。在此基礎上,人工智慧學會了正確地重建粒子軌跡。
“在我們的論文中,我們展示了在適當準備的資料庫上訓練的深度神經網路能夠像經典演算法一樣精確地重建二次粒子軌跡。這一結果對探測技術的發展具有重要意義。雖然訓練深度神經網路是一個漫長且需要大量計算的過程,但經過訓練的網絡卻能立即做出反應。”Kucharczyk 教授強調說:”由於它的精確度令人滿意,我們可以樂觀地考慮在實際碰撞中使用它。”
MUonE 實驗與未來物理學
IFJ PAN 的人工智慧最有機會證明自己的實驗是MUonE(μ介子對電子彈性散射)。本實驗研究了與μ介子(質量約為電子的200 倍的粒子)有關的某個物理量的測量值與標準模型(即用於描述基本粒子世界的模型)的預測值之間的有趣差異。在美國費米實驗室加速器中心進行的測量顯示,μ介子的所謂異常磁矩與標準模型的預測值相差高達4.2 個標準差(簡稱西格瑪)。同時,物理學界公認,5 個西格瑪以上的顯著性(相當於99.99995% 的確定性)是宣布一項發現的可接受值。
如果能夠提高標準模型預測的精確度,那麼顯示新物理學的差異的意義就會大大增加。然而,為了在它的幫助下更好地確定μ介子的異常磁矩,有必要知道被稱為強子修正的參數的更精確值。遺憾的是,對這項參數進行數學計算是不可能的。在這一點上,MUonE 實驗的作用就顯而易見了。在這個實驗中,科學家打算研究μ介子對碳或鈹等低原子序原子的電子的散射。研究結果將有助於更精確地確定某些直接取決於強子修正的物理參數。如果一切都按照物理學家的計劃進行,通過這種方法確定的強子修正值將使測量μ介子反常磁矩的理論值和測量值之間的差異的可信度增加多達7 個西格瑪- -迄今為止未知物理的存在可能成為現實。
MUonE 實驗最快將於明年在歐洲核子研究中心(CERN)的核設施啟動,但目標階段已規劃到2027 年,屆時克拉科夫的物理學家將有機會看到他們創造的人工智慧能否完成重建粒子軌跡的工作。在真實實驗條件下確認其有效性可能標誌著粒子探測技術新時代的開始。
編譯自: ScitechDaily