في مصادم الهادرونات الكبير، تصطدم البروتونات ببعضها البعض مثل شاحنتين محملتين بالقصاصات الملونة. تتطاير الشظايا — عشرات الجسيمات الجديدة — في كل الاتجاهات. يسجل الكاشف آثارها، ثم يبدأ العمل الرئيسي: تجميع صورة كاملة للاصطدام من هذه الآثار.
في السابق، كانت هذه المهمة تُنجز بواسطة مجموعة قواعد وضعها الفيزيائيون. كان كل نوع من الجسيمات يُعالج على حدة، وفق قوانينه الخاصة. كان ذلك يعمل، لكنه كان بطيئًا وغير دقيق دائمًا. الآن، بدلاً من مجموعة القواعد، هناك شبكة عصبية واحدة. تم تدريبها على ملايين الاصطدامات المحاكاة، وتعلمت بنفسها تجميع الصورة كاملة.
تعمل الشبكة العصبية على بطاقة الرسوميات — نفس النوع الذي يرسم الرسوميات في الألعاب. تستغرق 20 ميلي ثانية لاصطدام واحد. بينما كانت الطريقة القديمة تستهلك 110 ميلي ثانية. وبالنسبة للنفاثات — تدفقات الجسيمات المتجهة في اتجاه واحد — زادت دقة قياس الطاقة بنسبة 10–20 بالمئة.
هذا النهج يشبه مترجمًا كان يترجم كلمة بكلمة باستخدام قاموس، والآن يفهم الجملة كاملة. ونتيجة لذلك، تصبح صورة الاصطدام أوضح — مثل صورة فوتوغرافية ملتقطة في طقس صافٍ.
كما كتبه المؤلفون، بالإنجليزية arXiv:2601.17554
The particle-flow (PF) algorithm constructs a global description of each particle collision by producing a comprehensive list of final-state particles, and is central to event reconstruction in the CMS experiment at the CERN LHC. The existing PF implementation relies on physics-motivated heuristics and assumptions that can be replaced by machine-learning (ML) models trained directly on simulated data and naturally suited to modern graphics processing units (GPUs). A state-of-the-art ML-based PF (MLPF) reconstruction algorithm, implemented within the CMS software framework, is presented. The MLPF algorithm performs a learnable full-event reconstruction on GPUs, generalizes across detector conditions and collision energies, and replaces multiple modular reconstruction steps with a single unified model. Physics performance comparable to standard PF reconstruction is achieved in both simulation and data, with improved jet energy resolution and inference time. In simulated top quark-antiquark events under LHC Run-3 (2023$$-$$2024) conditions, the jet energy resolution improves by 10$$-$$20% for jets with transverse momentum between 30$$-$$100 GeV. Inference time is evaluated using simulated multijet events, with a median of 20 ms per event on an Nvidia L4 GPU, compared to approximately 110 ms for the standard CMS PF reconstruction.
تعالج الشبكة العصبية اصطدامًا واحدًا في 20 ميلي ثانية — أسرع من رمشة عين الإنسان.