Нейросеть на слух: как поймать энергию частицы ⚡ экспресс
Для модернизации детектора ATLAS на Большом адронном коллайдере исследователи оптимизировали нейросети для восстановления энергии в калориметрах в условиях высокой множественности событий (pile-up). С помощью байесовской оптимизации они нашли баланс между точностью и размером сетей, подходящих для ПЛИС (FPGA) — программируемых микросхем, работающих в реальном времени. Лучшие архитектуры, включая полносвязные, свёрточные и гибридные, достигли поперечного энергетического разрешения около 80 МэВ, превзойдя традиционный метод оптимальной фильтрации. Дополнительно внедрили глубокое очевидностное регрессионное моделирование (Deep Evidential Regression), которое оценивает погрешность для каждого события, не увеличивая сложность сети.
Измерить энергию частицы в Большом адронном коллайдере — то же, что расслышать шёпот в ревущей толпе. При столкновении протонов рождается шквал частиц, их сигналы сливаются в какофонию. Обычные методы, как забитое шумом ухо, систематически занижают энергию.
Учёные создали нейросеть, которая работает прямо в детекторе. Она вслушивается в этот гул и улавливает слабый голос нужной частицы. Лучшие версии сети ошибаются на доли процента — как перепутать 80 песчинок из миллиона. При этом сеть учили на моделированных событиях, но она безошибочно распознаёт реальные данные.
Теперь физики точнее изучат неуловимые частицы, например, тёмную материю, даже в сильном шуме. А вся эта проницательность умещается на чипе меньше спичечного коробка.
🎯 Детектор ATLAS размером с восьмиэтажный дом, а нейросеть, обрабатывающая его сигналы, умещается на чипе меньше спичечного коробка.