31 января, 2023

hleb

Находите все последние статьи и смотрите телешоу, репортажи и подкасты, связанные с Россией.

Как решить такую ​​проблему, как протон? Разбейте его, а затем восстановите с помощью машинного обучения

Глядя на туннель HERA: ученые из лаборатории Беркли разработали новые алгоритмы машинного обучения, чтобы ускорить анализ данных, собранных десятилетия назад HERA, самым мощным в мире электронно-протонным коллайдером, который работал в Национальном исследовательском центре DESY в Германии с 1992 по 2007 год. 1 кредит

Протоны малы по размеру, но имеют большой вес. Они обитают в центре каждого атома во Вселенной и играют решающую роль в одной из самых мощных сил природы.


и все еще, протоны У него есть и реалистическая сторона.

Как и у большинства частиц, у протонов есть спин, который действует как крошечные магниты. Может появиться инвертирование вращения или полярности протона. Научная фантастикаНо это основа технологических прорывов, которые стали незаменимыми в нашей повседневной жизни, таких как магнитно-резонансная томография (МРТ), бесценный медицинский диагностический инструмент.

Несмотря на эти достижения, способ действия внутреннего протона остается загадкой.

Бен Нахман, физик, возглавляющий группу машинного обучения на физическом факультете Национальной лаборатории Лоуренса в Беркли Министерства энергетики (Berkeley Lab).

Понимание того, как и почему вращение протонов может привести к технологическим достижениям, которые мы сегодня даже не можем себе представить, и поможет нам понять сильное взаимодействие, фундаментальное свойство, которое придает всем протонам и, следовательно, атомам массу.

Но это непростая проблема. Например, вы не можете точно подобрать протон и поместить его в чашку Петри: протоны непостижимо малы — их радиус едва достигает одного квадриллиона метров, и сквозь них проходит видимый свет. Более того, вы даже не сможете наблюдать, что внутри, в самые мощные в мире электронные микроскопы.

Недавняя работа Нахмана и его команды может приблизить нас к решению загадочной протонной загадки.

Являясь членом H1 Collaboration — международной группы, в которую сейчас входят 150 ученых из 50 институтов и 15 стран со штаб-квартирой в Национальном исследовательском центре DESY в Германии, — Нахман разрабатывает новые алгоритмы машинного обучения для ускорения анализа данных, собранных несколько десятилетий назад. by HERA, самый мощный в мире электронно-протонный коллайдер, работавший в DESY с 1992 по 2007 год.

ГЕРА — кольцо в 4 мили в окружности — действует как гигантский микроскоп, ускоряющий электроны и протоны почти до скорости света. Частицы сталкиваются лоб в лоб, что может разбить протон на составные части: кварки и глюоны.

Ученые из HERA провели измерения каскадного обломка частиц в результате электрон-протонных столкновений, то, что физики называют «глубоким неупругим рассеянием», с помощью сложных камер, называемых Детекторы частицОдним из них был детектор H1.

Раскройте секреты могучей силы

H1 прекратил сбор данных в 2007 году, когда перестала работать HERA. Сегодня H1 Collaboration продолжает анализировать данные и публиковать результаты в Научные журналы.

Как решить такую ​​проблему, как протон?  Разбейте его, а затем восстановите с помощью машинного обучения

Электронно-протонный коллайдер HERA разогнал электроны и протоны почти до скорости света. Частицы сталкиваются лоб в лоб, потенциально рассеивая протон на составные части: кварки (показаны зеленым и фиолетовым шарами на иллюстрации выше) и глюоны (показаны черными витками). кредит: DESY

Это может занять год или больше, когда традиционные вычислительные методы используются для измерения величин, связанных со структурой протона и сильным взаимодействием, таких как количество частиц, образующихся при столкновении протона с электроном.

И если бы исследователь хотел изучить другую величину, например скорость полета частицы вслед за кварк-глюонным струйным потоком, ему пришлось бы снова начинать долгий расчет и ждать еще год.

Новый инструмент машинного обучения под названием OmniFold, который совместно разработал Нахман, может измерять множество величин одновременно, тем самым сокращая количество времени на анализ с лет до минут.

OmniFold делает это с помощью файлов нейронные сети Одновременно совмещать компьютерное моделирование и данные. (а нейронная сеть Это инструмент машинного обучения, который обрабатывает сложные данные, которые ученые не могут сделать вручную.)

Нахман и его команда впервые применили OmniFold к экспериментальным данным H1 в июньском номере журнала. сообщения физического обзора И совсем недавно на конференции Inelastic Deep Dispersion (DIS) 2022 года.

Чтобы разработать OmniFold и проверить его устойчивость к данным H1, Нахман и Винисиус Микуни, исследователь с докторской степенью в пакете услуг данных и аналитики (DAS) в Научно-вычислительном центре энергетических исследований (NERSC) лаборатории Беркли и Программа научных приложений NERSC Exascale для обучающихся. , необходимо: суперкомпьютер с большим количеством мощных графических процессоров, сказал Нахман.

По совпадению, Perlmutter, новый суперкомпьютер, предназначенный для поддержки моделирования, анализа данных и экспериментов с искусственным интеллектом, требующих одновременного использования нескольких графических процессоров, был открыт летом 2021 года для «ранней научной фазы», ​​позволяющей ученым протестировать систему на реальных данных. (Суперкомпьютер Perlmutter назван в честь космолога из лаборатории Беркли и лауреата Нобелевской премии Сола Перлмуттера.)

«Поскольку суперкомпьютер Perlmutter позволил нам использовать 128 графических процессоров одновременно, мы смогли выполнить все этапы анализа, от обработки данных до получения результатов, менее чем за неделю, а не за месяцы. Эта оптимизация позволяет нам ускорить Сотрудничество H1:

Центральной задачей в этих измерениях является расчет искажений детектора. Детектор H1 подобен бдению, стоящему на страже у входа на концертную арену, которой нет в наличии, наблюдая за частицами, когда они пролетают через нее. Один из источников ошибок измерения возникает, когда частицы летают вокруг детектора, а не проходят через него, например, что-то вроде посещения вечеринки без билета, перепрыгивания через оставленный без присмотра забор вместо того, чтобы пройти через ворота безопасности с билетами.

Одновременная коррекция всех искажений была невозможна из-за ограниченности вычислительных методов, доступных в то время. «Наше понимание субатомной физики и методов анализа данных значительно улучшилось с 2007 года, поэтому сегодня ученые могут использовать новые идеи для анализа данных H1», — сказал Нахман.

Сегодня у ученых возобновился интерес к экспериментам HERA с частицами, поскольку они надеются использовать данные — и более точные компьютерные симуляции, подкрепленные такими инструментами, как OmniFold, — для анализа результатов будущих электрон-протонных экспериментов, как в разделе нового поколения Electron. -Ионный коллайдер (ИИК).

EIC, который будет построен в Брукхейвенской национальной лаборатории в партнерстве с Национальным ускорителем Томаса Джефферсона, станет новой мощной и универсальной машиной, способной сталкивать высокоэнергетические пучки поляризованных электронов с широким спектром ионов (или заряженных атомов) на всем протяжении. многие энергии, включая поляризованные протоны и некоторые поляризованные ионы.

«Приятно верить, что наш метод когда-нибудь поможет ученым ответить на все еще нерешенные вопросы о сильном взаимодействии», — сказал Нахман.

«Хотя эта работа может не привести к практическому применению в ближайшем будущем, понимание основных строительных блоков природы — вот почему мы здесь — для поиска окончательной истины. Это шаги к пониманию на самом фундаментальном уровне, из чего все сделано». «Это то, что движет мной. Если мы не проведем исследование сейчас, мы никогда не узнаем, какие захватывающие новые технологические достижения мы получим, чтобы принести пользу обществам будущего».


Признаки насыщения появляются от столкновений частиц в RHIC


Дополнительная информация:
В. Андреев и др., Измерение корреляции лептон-затвор в неупругом глубоком рассеянии с помощью детектора H1 с использованием машинного обучения для обнаружения, сообщения физического обзора (2022). DOI: 10.1103/PhysRevLett.128.132002

Многократный: arxiv.org/abs/1911.09107

Презентация конференции: www-h1.desy.de/psfiles/confpap…/H1prelim-22-034.pdf

цитата: Как вы решаете такую ​​проблему, как протон? Разбейте его, а затем перестройте с помощью машинного обучения (2022, 25 октября). Получено 25 октября 2022 г. с https://phys.org/news/2022-10-problem-proton-machine.html.

Этот документ защищен авторским правом. Несмотря на любые добросовестные отношения с целью частного изучения или исследования, никакая часть не может быть воспроизведена без письменного разрешения. Контент предоставляется только в ознакомительных целях.

READ  Посмотрите модели NASA Mars Rover и Ingenuity Helicopter во время тура по США.