يحصل علماء فيزياء الجسيمات على مساعدة الذكاء الاصطناعي في ديناميكيات الشعاع - عالم الفيزياء

طور باحثون في الولايات المتحدة خوارزمية تعلم آلي تعيد بدقة بناء أشكال حزم مسرع الجسيمات من كميات ضئيلة من بيانات التدريب. يجب أن تسهل الخوارزمية الجديدة فهم نتائج تجارب المسرعات ويمكن أن تؤدي إلى اختراقات في تفسيرها ، وفقًا لقائد الفريق ريان روسيل ل مختبر تسريع SLAC الوطني.

أتت العديد من أكبر الاكتشافات في فيزياء الجسيمات من مراقبة ما يحدث عندما تصطدم حزم من الجسيمات بأهدافها بسرعة تقترب من سرعة الضوء. نظرًا لأن هذه الحزم تصبح أكثر نشاطًا وتعقيدًا من أي وقت مضى ، فإن الحفاظ على سيطرة صارمة على ديناميكياتها يصبح أمرًا ضروريًا للحفاظ على النتائج موثوقة.

للحفاظ على هذا المستوى من التحكم ، يحتاج الفيزيائيون إلى التنبؤ بأشكال الحزمة والعزم بأكبر قدر ممكن من الدقة. لكن قد تحتوي الحزم على بلايين الجسيمات ، وسوف يتطلب الأمر كميات هائلة من القوة الحاسوبية لحساب مواضع وعزم كل جسيم على حدة. بدلاً من ذلك ، يحسب المجربون التوزيعات المبسطة التي توفر فكرة تقريبية عن الشكل العام للحزمة. هذا يجعل المشكلة قابلة للحساب حسابيًا ، ولكنه يعني أيضًا التخلص من الكثير من المعلومات المفيدة الموجودة في الحزمة.

يقول روسيل: "من أجل تطوير مسرعات يمكنها التحكم في الحزم بشكل أكثر دقة من الأساليب الحالية ، يجب أن نكون قادرين على تفسير القياسات التجريبية دون اللجوء إلى هذه التقريبات".

مساعدة الذكاء الاصطناعي

بالنسبة للفريق في SLAC ، فإن القدرة التنبؤية للذكاء الاصطناعي ، بالإضافة إلى الأساليب المتقدمة لتتبع حركات الجسيمات ، قدمت حلاً محتملاً واعدًا. يوضح روسيل: "قدمت دراستنا تقنيتين جديدتين لتفسير قياسات الحزمة التفصيلية بكفاءة". "تحتاج نماذج التعلم الآلي المدعومة بالفيزياء إلى بيانات أقل بكثير من النماذج التقليدية لعمل تنبؤات دقيقة."

يتابع روسيل أن التقنية الأولى تتضمن خوارزمية للتعلم الآلي تضم فهم العلماء الحالي لديناميكيات حزمة الجسيمات. سمحت هذه الخوارزمية للفريق بإعادة بناء معلومات مفصلة حول توزيعات مواقع الجسيمات والعزم على طول المحاور الثلاثة الموازية والعمودية لاتجاه حركة الحزمة ، بناءً على عدد قليل من القياسات. الأسلوب الثاني هو نهج رياضي ذكي مكن الفريق من دمج محاكاة الحزمة في النماذج المستخدمة لتدريب خوارزمية التعلم الآلي. أدى هذا إلى تحسين دقة تنبؤات الخوارزمية بشكل أكبر.

اختبر روسيل وزملاؤه هذه التقنيات باستخدام بيانات تجريبية من مسرع أرجون ويكفيلد في مختبر أرغون الوطني التابع لوزارة الطاقة الأمريكية في إلينوي. كان هدفهم هو إعادة بناء توزيعات الموضع والزخم لحزم الإلكترون النشطة بعد أن تمر الحزم عبر المسرع الخطي. يقول روسيل: "وجدنا أن طريقتنا في إعادة البناء كانت قادرة على استخلاص معلومات أكثر تفصيلاً بشكل ملحوظ حول توزيع الحزمة من قياسات فيزياء المعجل البسيط مقارنة بالطرق التقليدية".

تنبؤات دقيقة للغاية

بعد تدريب نموذجهم باستخدام 10 عينات فقط من البيانات ، وجد الباحثون أنه يمكنهم التنبؤ بديناميكيات حزم الإلكترون في 10 عينات أخرى بدقة شديدة ، بناءً على مجموعات بسيطة من القياسات. مع الأساليب السابقة ، كانت هناك حاجة إلى عدة آلاف من العينات لتحقيق نفس جودة النتائج.

الذكاء الاصطناعي وفيزياء الجسيمات: شراكة قوية

يقول روسيل: "يتخذ عملنا خطوات مهمة نحو تحقيق أهداف مجتمعات فيزياء المسرعات والشعاع لتطوير تقنيات للتحكم في حزم الجسيمات وصولًا إلى مستوى الجسيمات الفردية".

الباحثون الذين أبلغوا عن عملهم في استعراض للحروف البدنية, نأمل أن تساعد مرونة وتفاصيل النهج الجديد المجربين في المستقبل على استخراج أكبر قدر ممكن من المعلومات المفيدة من البيانات التجريبية. بمرور الوقت ، يمكن لمثل هذه السيطرة الصارمة أن تقرب علماء الفيزياء خطوة أقرب للإجابة على الأسئلة الأساسية حول طبيعة المادة والكون.

• محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
• أفلاطونايستريم. ذكاء بيانات Web3. تضخيم المعرفة. الوصول هنا.
• سك المستقبل مع أدرين أشلي. الوصول هنا.
• شراء وبيع الأسهم في شركات ما قبل الاكتتاب مع PREIPO®. الوصول هنا.
• المصدر https://physicsworld.com/a/particle-physicists-get-ai-help-with-beam-dynamics/