Детектор частиц на Большом адронном коллайдере работает годами без остановки. Его датчики каждую секунду выдают горы данных, и среди них нужно быстро заметить сбой — например, перегрев или сломанный канал. Раньше за этим следили простые правила, но они часто ошибались. Теперь на помощь пришла нейросеть DepthViT — лёгкая и быстрая, как внимательный техник, который знает, как выглядит нормальная работа.
Проблема в том, что условия в детекторе со временем меняются: изнашиваются детали, меняется поток частиц. Нейросеть, обученная на старых данных, начинает путаться и поднимать ложную тревогу. Авторы придумали выход: они объединяют несколько моделей, обученных на разных периодах времени. Как опытный мастер, который помнит и старые, и новые привычки машины, такая система остаётся точной. На данных с калориметра CMS точность обнаружения аномалий держится выше 98.8% даже при сильных изменениях.
Такой подход пригодится не только в физике. На заводе станки тоже работают в меняющихся условиях: вибрация, температура, износ. Нейросеть, которая умеет адаптироваться, поможет предсказывать поломки до того, как они произойдут. Детектор, который не устаёт, — это шаг к умным системам, способным работать годами без присмотра.
Нейросеть DepthViT обрабатывает карты занятости калориметра — это как тепловая карта, показывающая, где частицы оставили энергию. Аномалия выглядит как неожиданное пятно на такой карте.