الشبكة العصبية تستمع: كيف نقيس طاقة الجسيم ⚡ экспресс
نُقدم بنى شبكات عصبية لاستعادة الطاقة المترسبة في خلايا المسعرات الحرارية ذات الآرغون السائل في كاشف أطلس عند مستويات التراكم العالية المتوقعة في مصادم الهدرونات الكبير عالي اللمعان (HL-LHC). صُممت الشبكات للتنفيذ على إلكترونيات القراءة القائمة على FPGA مع قيود صارمة على الحجم وزمن الانتظار. حُسنت الشبكات المترابطة بالكامل (Dense) والمتكررة (RNN) والالتفافية (CNN) باستخدام إجراء بايزي يوازن بين دقة الطاقة وعدد الوسائط. تحقق البنى المُحسَّنة من Dense و CNN والهجينة Dense+RNN دقة طاقة عرضية تبلغ حوالي 80 ميغا إلكترون فولت، متفوقة على طريقة الترشيح الأمثل (OF) المُستخدمة حالياً وعلى RNN ذات التعقيد المماثل. تُظهر مقارنة مفصلة عبر المجال الديناميكي بأكمله أن Dense و CNN و Dense+RNN تعيد إنتاج مقياس الطاقة بدقة، بينما تُقلل OF و RNN من الطاقة. للحصول على شكوك موثوقة لكل حدث، أُدمج الانحدار الإثباتي العميق (Deep Evidential Regression) في بنية Dense؛ ويُعطي هذا النهج تقديرات لشكوك التنبؤ مع زيادة طفيفة في حجم الشبكة.
قياس طاقة جسيم في مصادم الهدرونات الكبير يشبه محاولة سماع همس في حشد صاخب. عند تصادم البروتونات، ينشأ وابل من الجسيمات، وتندمج إشاراتها في نشاز. الطرق التقليدية، مثل أذن مسدودة بالضوضاء، تقلل من الطاقة بشكل منهجي.
ابتكر العلماء شبكة عصبية تعمل مباشرة داخل الكاشف. تستمع إلى هذا الضجيج وتلتقط الصوت الخافت للجسيم المطلوب. أفضل إصدارات الشبكة تخطئ بنسبة ضئيلة جدًا — مثل الخلط بين 80 حبة رمل من بين مليون. علاوة على ذلك، دُرّبت الشبكة على أحداث محاكاة، لكنها تتعرف بدقة على البيانات الحقيقية.
الآن سيتمكن الفيزيائيون من دراسة الجسيمات المراوغة، مثل المادة المظلمة، بدقة أكبر حتى في ظل الضوضاء الشديدة. وكل هذه القدرة الفائقة تتسع على شريحة أصغر من علبة الكبريت.
🎯 كاشف ATLAS بحجم مبنى من ثمانية طوابق، بينما الشبكة العصبية التي تعالج إشاراته تتسع على شريحة أصغر من علبة كبريت.