Brookhaven National Laboratoryが開発した機械学習モデルが重イオン衝突における粒子噴流を精密に識別

·著者 Henderson·AI
Brookhaven National Laboratoryが開発した機械学習モデルが重イオン衝突における粒子噴流を精密に識別

Brookhaven National Laboratoryの物理学者が、重イオン衝突から大量の背景雑音の中で粒子噴流を自動的に識別する機械学習モデルを開発した。この進展は、ビッグバン後のわずか1マイクロ秒の間に存在した物質であるクォーク-グルーオンプラズマの測定精度を向上させるのに寄与する。Brookhavenのチームは、コロンビア大学およびコロラド大学ボルダー校の研究者と協力し、Scientific Reportsにこの方法を記述した。実験室は、これはこの任務において初めて「ペアリングなし、教師なし」の生成モデルを使用したものであると述べている。

このモデルは、科学者が提供したラベルに依存せず、シミュレーションされた衝突データから直接学習する。

噴流が観察しにくい理由は、相対論的重イオン衝突機(RHIC)において、重イオンが光速に近い速度で衝突し、自由なクォークとグルーオンの「スープ」を短時間再現するためである。噴流は高エネルギー粒子の集中した噴出であり、このプラズマを探測するための最良の手段の一つである。噴流はプラズマを通過する際にエネルギーを失い、構造が変化する。しかし、噴流の信号は大量の他の粒子による背景に覆われており、この問題は長年にわたり噴流測定の精度を制限してきた。Brookhavenの物理学者であり、ステイニー大学の助教授である高妍珠は、「背景の除去を改善することで、極端な条件下でのクォークとグルーオンの相互作用の測定がより正確になる」と述べている。

」

Brookhaven National Laboratoryの機械学習モデルが粒子噴流の識別精度を向上

通常、アルゴリズムを教えるには、猫や犬として画像にラベルを付けるなど、数千の例にラベルを付ける必要がある。しかし、Brookhavenの計算機科学者であるデミトリ・トルブノフは、実際の実験データには解答鍵が提供されないため、この方法は適用できないと指摘している。この新しいモデルは、ラベルを省略している。プラズマの純背景と理想的なシミュレーション噴流を示し、噴流信号を抽出する方法を自ら導き出し、背景を除去する。高妍珠は、これを混雑した画像を噴流とその他のすべての内容に分けることに例えている。

チームは、RHICの最後の3回の運転で動作したsPHENIXのシミュレーションデータでこれをテストした。これらのテストでは、モデルが従来の背景除去方法よりも噴流の位置、エネルギー、内部構造をより正確に再構築した。特に背景の変動が最も強い大きな噴流においてその精度が顕著である。現在の結果はシミュレーションデータに基づいている。

次のステップは、これを実データに適用することである。sPHENIXは運転中に約300PBのデータを収集しており、これは数十億枚のスマートフォンの写真に相当する。高妍珠は、これは核物理および粒子物理界においてこの種のモデルを初めて使用することになると述べている。チームは、これが計画中の電子-イオン衝突機やヨーロッパの大型ハドロン衝突機のエネルギー測定に適用されると予測している。このモデルは類似の画像の検出器データで機能するため、研究者たちは、他の重なった信号を分離する必要がある実験にも役立つ可能性があると述べている。

このプロジェクトは、エネルギー省の創世任務第一段階の助成金に関連しており、バルーク大学が主導し、Brookhaven、ステイニー大学、コロンビア大学、コロラド大学ボルダー校が共同で参加している。Brookhavenの実験室指向の研究と開発資金、ならびにエネルギー省科学局がこの作業を支援している。高妍珠は、Brookhavenの計算機科学者との緊密な協力を称賛し、これは一回限りのプロジェクトではなく、科学における機械学習の新たな機会に興奮していると述べている。

H
著者について
Henderson