В детекторе коллайдера каждое столкновение протонов оставляет след из десятков частиц — как брызги от брошенного в воду камня. Разобраться в этих брызгах и понять, что именно произошло в момент удара, — задача, с которой человек уже не справляется в одиночку. На помощь приходят нейросети, и EveNet — одна из самых амбициозных: её обучили на 500 миллионах смоделированных столкновений.

EveNet смотрит на каждое событие как на облако частиц: для каждой известны направление, энергия и тип. Такой подход позволяет модели улавливать общие закономерности, а не заучивать конкретные распады. В результате она обходит лучшие прежние алгоритмы в поиске тяжёлых резонансов и редких распадов бозона Хиггса — и особенно хороша, когда данных мало.

Но самое важное — модель переносит знания с симуляций на реальные данные. Она не просто находит частицы, но и измеряет тонкие квантовые корреляции между ними, устойчивые к систематическим погрешностям. Это значит, что EveNet можно доверять в precision-измерениях, где важна каждая сотая доля процента.

Такой универсальный инструмент экономит время и вычислительные ресурсы. Вместо того чтобы обучать новую модель под каждую задачу, физики берут EveNet и дообучают её на небольшом наборе данных. Для будущих коллайдеров, где поток данных вырастет в разы, это не просто удобство — это необходимость.