Amerikai kutatók olyan gépi tanulási algoritmust fejlesztettek ki, amely kis mennyiségű tanítási adatból pontosan rekonstruálja a részecskegyorsító nyalábok alakját. A csoportvezető szerint az új algoritmus megkönnyíti a gyorsítókísérletek eredményeinek megértését, és áttörést jelenthet azok értelmezésében. Ryan Roussel az SLAC Nemzeti Gyorsító Laboratórium.
A részecskefizika számos legnagyobb felfedezése annak megfigyeléséből származik, hogy mi történik, amikor a részecskesugarak közel fénysebességgel ütköznek a célpontjukba. Ahogy ezek a gerendák egyre energikusabbá és összetettebbé válnak, a dinamika feletti szigorú ellenőrzés döntő fontosságú az eredmények megbízhatóságának megőrzéséhez.
Az ellenőrzés ezen szintjének fenntartásához a fizikusoknak a lehető legpontosabban meg kell jósolniuk a nyaláb alakját és momentumát. De a nyalábok több milliárd részecskét tartalmazhatnak, és hatalmas számítási teljesítményre lenne szükség az egyes részecskék helyzetének és nyomatékának egyenkénti kiszámításához. Ehelyett a kísérletezők egyszerűsített eloszlásokat számítanak ki, amelyek hozzávetőleges képet adnak a nyaláb általános alakjáról. Ez számításilag kezelhetővé teszi a problémát, ugyanakkor azt is jelenti, hogy a sugárban található sok hasznos információ kidobásra kerül.
„Ahhoz, hogy olyan gyorsítókat fejlesszünk ki, amelyek a jelenlegi módszereknél pontosabban tudják irányítani a nyalábokat, képesnek kell lennünk a kísérleti mérések értelmezésére anélkül, hogy ezekhez a közelítésekhez folyamodnánk” – mondja Roussel.
AI segítség
A SLAC csapata számára az AI előrejelző ereje, valamint a részecskék mozgásának követésére szolgáló fejlett módszerek ígéretes lehetséges megoldást kínáltak. „Tanulmányunk két új technikát vezetett be a részletes sugármérések hatékony értelmezésére” – magyarázza Roussel. „Ezeknek a fizikán alapuló gépi tanulási modelleknek lényegesen kevesebb adatra van szükségük, mint a hagyományos modelleknek a pontos előrejelzések készítéséhez.”
Az első technika – folytatja Roussel – egy gépi tanulási algoritmust foglal magában, amely magában foglalja a tudósok részecskenyaláb-dinamikával kapcsolatos jelenlegi ismereteit. Ez az algoritmus lehetővé tette a csapat számára, hogy néhány mérés alapján rekonstruáljon részletes információkat a részecskék pozícióinak és nyomatékainak eloszlásáról mindhárom tengely mentén, párhuzamosan és merőlegesen a nyaláb haladási irányával. A második technika egy okos matematikai megközelítés, amely lehetővé tette a csapat számára, hogy sugárszimulációkat integráljon a gépi tanulási algoritmus betanításához használt modellekbe. Ez még tovább javította az algoritmus előrejelzéseinek pontosságát.
Roussel és munkatársai ezeket a technikákat tesztelték a Argonne Wakefield gyorsító az Egyesült Államok Energiaügyi Minisztériumának Illinois állambeli Argonne Nemzeti Laboratóriumában. Céljuk az volt, hogy rekonstruálják az energetikai elektronsugarak helyzetét és impulzus-eloszlását, miután a nyaláb áthaladt a lineáris gyorsítón. „Úgy találtuk, hogy a rekonstrukciós módszerünk lényegesen részletesebb információt tudott kinyerni a nyalábeloszlásról egyszerű gyorsítófizikai mérésekből, mint a hagyományos módszerek” – mondja Roussel.
Rendkívül pontos előrejelzések
Miután modelljüket mindössze 10 adatmintával betanították, a kutatók azt találták, hogy egyszerű mérési sorozatok alapján további 10 mintában rendkívül pontosan meg tudják jósolni az elektronsugarak dinamikáját. A korábbi megközelítésekkel több ezer mintára lett volna szükség az azonos minőségű eredmények eléréséhez.
AI és részecskefizika: erőteljes partnerség
„Munkánk jelentős lépéseket tesz a gyorsító és sugárfizikai közösségek azon céljainak elérése felé, hogy olyan technikákat fejlesszünk ki, amelyek a részecskenyalábokat egészen az egyes részecskék szintjéig szabályozzák” – mondja Roussel.
A kutatók, akik beszámolnak munkájukról Fizikai áttekintés betűk, remélem, az új megközelítés rugalmassága és részletessége segíteni fog a jövőbeni kísérletezőknek abban, hogy a lehető legtöbb hasznos információt kinyerjék a kísérleti adatokból. Idővel egy ilyen szigorú ellenőrzés még egy lépéssel közelebb hozhatja a fizikusokat az anyag és az univerzum természetére vonatkozó alapvető kérdések megválaszolásához.
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoAiStream. Web3 adatintelligencia. Felerősített tudás. Hozzáférés itt.
- A jövő pénzverése – Adryenn Ashley. Hozzáférés itt.
- Részvények vásárlása és eladása PRE-IPO társaságokban a PREIPO® segítségével. Hozzáférés itt.
- Forrás: https://physicsworld.com/a/particle-physicists-get-ai-help-with-beam-dynamics/
- :is
- $ UP
- 10
- a
- Képes
- Rólunk
- gázpedál
- gyorsítók
- Szerint
- pontosság
- pontos
- pontosan
- elérése
- fejlett
- Után
- AI
- algoritmus
- Minden termék
- mentén
- Is
- összeg
- Összegek
- an
- és a
- Megjelenik
- megközelítés
- megközelít
- Diffraktáltuk
- AS
- At
- el
- TENGELYEK
- alapján
- BE
- Gerenda
- válik
- válik
- óta
- Legnagyobb
- Billió
- milliárd
- Fekete
- Kék
- áttörések
- Fényes
- hoz
- de
- számít
- TUD
- közel
- közelebb
- munkatársai
- hogyan
- bonyolult
- számítástechnika
- számítási teljesítmény
- tartalmaz
- tartalmazott
- tovább
- ellenőrzés
- hagyományos
- tudott
- kritikus
- Jelenlegi
- dátum
- osztály
- részlet
- részletes
- Fejleszt
- fejlett
- fejlesztése
- irány
- terjesztés
- disztribúció
- le-
- dinamika
- minden
- könnyebb
- eredményesen
- engedélyezve
- hiba
- Még
- EVER
- kísérletek
- Elmagyarázza
- kivonat
- rendkívüli módon
- kevés
- vezetéknév
- Rugalmasság
- repülő
- A
- talált
- ból ből
- alapvető
- további
- jövő
- kap
- Célok
- Grafikus
- Rács
- megtörténik
- Legyen
- segít
- segít
- remény
- HTTPS
- ötlet
- Illinois
- kép
- javított
- in
- egyéni
- Egyénileg
- információ
- helyette
- integrálni
- bele
- Bevezetett
- kérdés
- IT
- jpg
- éppen
- tartás
- labor
- laboratórium
- vezet
- vezető
- tanulás
- kevesebb
- szint
- fény
- vonalak
- gép
- gépi tanulás
- fenntartása
- fenntartása
- csinál
- KÉSZÍT
- megjelölt
- matematikai
- Anyag
- max-width
- maximális
- maximális összeg
- Lehet..
- eszközök
- mérések
- módszer
- mód
- modell
- modellek
- Lendület
- több
- mozgások
- sok
- kell
- nemzeti
- Természet
- Szükség
- szükséges
- Új
- célkitűzés
- of
- felajánlott
- on
- érdekében
- mi
- felett
- átfogó
- Párhuzamos
- rész
- elhalad
- Fizika
- Fizika Világa
- Plató
- Platón adatintelligencia
- PlatoData
- plusz
- pozíció
- pozíciók
- lehetséges
- potenciális
- hatalom
- erős
- pontosan
- előre
- Tippek
- be
- előző
- Probléma
- biztató
- ad
- világítás
- Kérdések
- megbízható
- jelentést
- képviselet
- kutatók
- Eredmények
- Kritika
- azonos
- azt mondja,
- Második
- Szettek
- számos
- Alak
- formák
- kellene
- jelentős
- jelentősen
- Egyszerű
- egyszerűsített
- Összetör
- megoldások
- Hely
- sebesség
- Stanford
- Lépés
- Lépései
- Tanulmány
- ilyen
- Vesz
- tart
- célok
- csapat
- technikák
- mint
- hogy
- A
- azok
- Őket
- Ezek
- ők
- ezt
- három
- Keresztül
- miniatűr
- idő
- nak nek
- felé
- Csomagkövetés
- Vonat
- Képzések
- utazás
- igaz
- kettő
- megért
- megértés
- Világegyetem
- us
- használt
- segítségével
- Hatalmas
- volt
- we
- Mit
- amikor
- WHO
- lesz
- val vel
- nélkül
- Munka
- világ
- lenne
- Hozam
- zephyrnet