كاشف النيوترينو يتعلم سماع الهمس سريع

الأصل: "Deep-learning-based low-energy trigger algorithms for the Hyper-Kamiokande experiment"
arXiv:2605.31391 · 2026-05-29 · CC BY 4.0 · 1 دقيقة
شبكة عصبية تلتقط الجسيمات النادرة في خزان ماء ضخم، متجاهلة الضوضاء.

مصوّر فوتوغرافي يلتقط غابة ليلية محاولًا الإمساك باليراعات في كادر. الومضات نادرة وخافتة، وحوله ضجيج الريح وأضواء بعيدة. هكذا تقريبًا يعمل الكاشف الضخم Hyper-Kamiokande في اليابان: فهو يلتقط النيوترينوات — جسيمات شبه غير ملموسة — عبر ومضات ضوئية صغيرة في 260 ألف طن من الماء. الطريقة القديمة، عداد الضربات البسيط، تشبه مصوّرًا يضغط على زر الغالق عند كل حفيف، ويخطئ الهدف في معظم الأحيان.

النيوترينوات هي أخف الجسيمات المادية المعروفة، فهي تخترق الأرض بالكامل تقريبًا دون أن تتفاعل مع أي شيء.

مؤلفو الدراسة الجديدة علّموا شبكة عصبية النظر إلى الضوضاء نفسها بطريقة مختلفة. أحد النماذج تدرّب على إشارات حقيقية — كما لو أن المصوّر شاهد مئات الصور لليراعات. ونتيجة لذلك، يكتشف إلكترونًا بطاقة 3 ميغا إلكترون فولت (وهي تقريبًا طاقة فوتون أشعة سينية) في 76.7% من الحالات. العداد القديم — فقط في 26.4%. نموذج آخر، ترميز ذاتي، تعلّم على الضوضاء فقط، دون مثال واحد للإشارة — ومع ذلك وجد 31.8% من الأحداث. هذا مثل التعرّف على لحنٍ وأنت لا تعرف سوى الصمت.

طاقة 3 ميغا إلكترون فولت أقل بمئات الآلاف من المرات من طاقة الجسيمات في مصادم الهادرونات الكبير.

تعمل كلتا الشبكتين العصبيتين مباشرة على بطاقة الرسوميات، معالجةً كل جزء من البيانات في أقل من ميلي ثانية. هذا أسرع من رمشة عين الإنسان. مثل هذا «الغالق الذكي» لن يفوت إشارة نادرة، حتى لو جاءت من أعماق الكون أو من انفجار مستعر أعظم في مكان ما في مجرتنا.

سيكون Hyper-Kamiokande أكبر بخمس مرات من سابقه Super-Kamiokande، وسيكون قادرًا على رصد النيوترينوات القادمة من المستعرات العظمى على بعد ملايين السنين الضوئية.

في رواية «العمى الكاذب» لبيتر واتس، تُستخدم النيوترينوات كقناة اتصال مثالية — فالجسيمات تخترق أي شيء، وكاشفات مثل هذا يمكن أن تكون أجهزة استقبال لمثل هذه الإشارات.

العلماء
Paul DiracEnrico FermiSubrahmanyan ChandrasekharAlbert EinsteinBarry BarishKip Thorne
المفاهيم
هايبر كاميوكاندي الشبكات العصبية للتعلم التنبؤي سوبر كاميوكاندي معدل التعلم المشفر الذاتي شجرة القرار المعززة حوسبة الخزان إعادة بناء البيانات بالشبكات العصبية مصنف كاشف فائق التوصيل تدريب طرق كشف الجسيمات جهد بين ذري متعلم آليًا تمييز الأنماط بيانات مصنفة التعلم ذاتي الإشراف (Self-Supervised Learning) الشبكات العصبية المتكررة (Recurrent Neural Networks, RNN)