في كاشف المصادم، يترك كل تصادم بروتونات أثرًا من عشرات الجسيمات، مثل رذاذ الماء المتطاير عند رمي حجر في بركة. فهم هذا الرذاذ ومعرفة ما حدث بالضبط لحظة الاصطدام مهمة لم يعد الإنسان قادرًا على إنجازها بمفرده. تأتي الشبكات العصبية للإنقاذ، وEveNet واحدة من أكثرها طموحًا: فقد دربت على 500 مليون تصادم محاكى.
تنظر EveNet إلى كل حدث كسحابة من الجسيمات: لكل جسيم اتجاه وطاقة ونوع معروف. هذا النهج يسمح للنموذج بالتقاط الأنماط العامة بدلاً من حفظ اضمحلالات محددة. ونتيجة لذلك، تتفوق على أفضل الخوارزميات السابقة في البحث عن الرنينات الثقيلة والاضمحلالات النادرة لبوزون هيغز، وتكون بارعة بشكل خاص عندما تكون البيانات قليلة.
لكن الأهم أن النموذج ينقل المعرفة من المحاكاة إلى البيانات الحقيقية. فهو لا يكتشف الجسيمات فحسب، بل يقيس أيضًا الارتباطات الكمومية الدقيقة بينها، وهي ارتباطات مقاومة للأخطاء المنهجية. هذا يعني أنه يمكن الوثوق بـEveNet في القياسات الدقيقة حيث تكون كل جزء من مئة بالمائة مهمًا.
هذه الأداة متعددة الاستخدامات توفر الوقت والموارد الحاسوبية. فبدلاً من تدريب نموذج جديد لكل مهمة، يأخذ الفيزيائيون EveNet ويواصلون تدريبها على مجموعة بيانات صغيرة. بالنسبة للمصادمات المستقبلية، حيث سيزداد تدفق البيانات أضعافًا مضاعفة، هذا ليس مجرد ترف بل ضرورة.
كما كتبه المؤلفون، بالإنجليزية arXiv:2601.17126
While deep learning is transforming data analysis in high-energy physics, computational challenges limit its potential. We address these challenges in the context of collider physics by introducing EveNet, an event-level foundation model pretrained on 500 million simulated collision events using a hybrid objective of self-supervised learning and physics-informed supervision. By leveraging a shared particle-cloud representation, EveNet outperforms state-of-the-art baselines across diverse tasks, including searches for heavy resonances and exotic Higgs decays, and demonstrates exceptional data efficiency in low-statistics regimes. Crucially, we validate the transferability of the model to experimental data by rediscovering the $$\Upsilon$$ meson in CMS Open Data and show its capacity for precision physics through the robust extraction of quantum correlation observables stable against systematic uncertainties. These results indicate that EveNet can successfully encode the fundamental physical structure of particle interactions, which offers a unified and resource-efficient framework to accelerate discovery at current and future colliders.
دربت EveNet على 500 مليون حدث محاكى، وهو عدد يعادل تقريبًا ما سيحدث خلال بضعة أيام من تشغيل مصادم الهدرونات الكبير بكامل لمعانه.
فكرة النموذج الشامل الذي يفهم فيزياء الجسيمات تذكرنا بالذكاء الاصطناعي في رواية "مشكلة الأجسام الثلاثة" للكاتب ليو تسي شين، الذي يحاكي سلوك البروتونات لخداع كاشفات الأرض.