Нейросеть, натренированная на столкновениях протонов и электронов, перенесла свои навыки на совсем другой эксперимент — ловлю нейтрино. Словно повар, который учился готовить французскую кухню, а потом без подготовки испёк отличный узбекский плов.
Исследователи взяли модель OmniLearned, обученную на данных с ускорителей частиц, где энергии огромны, а детекторы сложны. Затем проверили её на событиях из MINERvA — детектора, который ловит нейтрино от ускорителя с энергией всего в несколько гигаэлектронвольт. Нейросеть должна была угадывать энергию частиц и распознавать, родились ли в реакции пионы.
Результат удивил: модель, которая никогда не видела нейтринных данных, справилась лучше, чем её близнецы, обученные с нуля специально для MINERvA. При том же объёме вычислений и том же числе шагов обучения перенесённая модель давала более точные ответы. Это значит, что в процессе обучения на разнообразных данных нейросеть усвоила общие закономерности физики частиц, которые работают и на других энергиях, детекторах и типах взаимодействий.
Такой перенос знаний сулит переворот в анализе данных: вместо того чтобы каждый раз обучать новую модель под конкретный эксперимент, можно использовать один универсальный инструмент. Это сэкономит время и вычислительные ресурсы, а заодно ускорит открытия.
И вот повар, освоивший французскую кухню, уже готовит плов — и делает это лучше местных поваров. Возможно, скоро у физиков появится универсальный помощник, который понимает язык частиц независимо от того, где и как они родились.
Нейтрино настолько неуловимы, что каждую секунду через ваше тело проходят триллионы этих частиц, но за всю жизнь лишь одна-две провзаимодействуют с веществом вашего тела.