
استخدام الشبكات العصبية لإعادة بناء بيانات الجسيمات أو استخراج المعلومات من مجموعات البيانات المعقدة.إعادة بناء البيانات باستخدام الشبكات العصبية تعني استخدام شبكات عصبية اصطناعية لتجميع أو تفسير مجموعات بيانات معقدة أو مشوشة أو غير مكتملة. في فيزياء الجسيمات، غالبًا ما يعني هذا إعادة بناء خصائص الجسيمات من الإشارات المجزأة التي تتركها في الكواشف. تتعلم هذه الشبكات الأنماط من كميات هائلة من بيانات التدريب، مما يسمح لها بتصفية الضوضاء وتحديد الحدث الأصلي الأكثر احتمالًا الذي أنتج استجابة الكاشف المرصودة.
اكتسب تطبيق الشبكات العصبية على إعادة بناء البيانات في فيزياء الجسيمات زخمًا في التسعينيات، لكنه أصبح تحويليًا في العقد الأول من القرن الحادي والعشرين مع صعود التعلم العميق وزيادة القدرة الحاسوبية.
يتم تدريب الشبكة العصبية على بيانات محاكاة أو معروفة، حيث يكون الإدخال هو إشارات الكاشف الخام (مثل ترسبات الطاقة، مواقع المسارات) والإخراج هو إعادة البناء المطلوبة (مثل نوع الجسيم، الزخم). أثناء التدريب، تقوم الشبكة بضبط معاملاتها الداخلية لتقليل الفرق بين توقعاتها والقيم الحقيقية. بمجرد تدريبها، يمكنها معالجة بيانات جديدة غير مسبوقة، مما يسمح لها بشكل فعال بـ 'ملء الفجوات' واستخراج الفيزياء الأساسية من القياسات الفوضوية.
تُستخدم هذه التقنية على نطاق واسع في مصادم الهادرونات الكبير لتحديد وقياس الجسيمات من حطام التصادم، وفي التصوير الطبي لإعادة بناء صور أوضح من فحوصات بجرعات إشعاعية أقل.
يمكن لبعض الشبكات العصبية المستخدمة في إعادة بناء الجسيمات معالجة ملايين أحداث التصادم في الثانية، مما يجعل تصفية البيانات في الوقت الفعلي ممكنة في تجارب فيزياء الطاقة العالية.
















