Протон кажется цельным шариком, но внутри у него кипит жизнь: кварки обмениваются глюонами — частицами, которые их склеивают. Глюоны то появляются, то исчезают, и их распределение по протону — не просто любопытная деталь, а ключ к предсказаниям на Большом адронном коллайдере. Раньше эти распределения (их называют партонными функциями) доставали из данных, словно рыбу из воды: раскладывали улов по ячейкам-корзинам и считали, сколько в каждой. Но при такой сортировке мелкие детали теряются.
Теперь физики попробовали иначе: пропустить через нейросеть весь улов целиком, без корзин. Нейросеть учится на миллионах событий от столкновений, где рождаются пары топ-кварков — самых тяжёлых из известных частиц. Она смотрит на сырые, неразбитые данные с детектора и сама выуживает закономерности. Впервые такой подход применили к глюонному распределению, и точность заметно выросла.
Этот метод не просто улучшает цифры. Он убирает зависимость от грубых предположений о том, как ошибки связаны между собой. Когда данные не режут на куски, нейросеть видит полную картину и меньше ошибается. Для будущего коллайдера высокой светимости, где данных будет в разы больше, такая точность станет необходимостью.
как её написали авторы, на английском arXiv:2604.13157
The precise determination of the parton distribution functions (PDFs) of the proton is an essential ingredient for LHC analyses, including for those at the upcoming High-Luminosity LHC. So far, PDFs are determined from global fits to binned low-dimensional data obtained from unfolded hard-scattering cross section measurements. In this work we demonstrate for the first time the feasibility of neural simulation-based inference (NSBI) for constraining the proton PDFs using a high-dimensional unbinned data set. Exploiting the full statistical power of unbinned data removes the loss of information inherited by the binning procedure. As a proof-of-concept, we determine the gluon PDF from simulated data of top quark pair production at the LHC with $$\sqrt{s}=13$$ TeV. Taking into account both experimental and theoretical systematic uncertainties in the detector-level features, we demonstrate how the NSBI pipeline achieves significant improvements in precision compared to existing low-dimensional binned analyses. Our results illustrate the potential of unbinned inference to reduce the reliance on coarse approximations of uncertainties and their correlations entering PDF determinations, hence contributing to a new paradigm of unbinned detector-level ML-assisted measurements at the LHC.
Глюоны были открыты в 1979 году в эксперименте на ускорителе PETRA в Гамбурге: три струи частиц от столкновения электрона и позитрона выдавали присутствие третьей, невидимой частицы.
В сериале «Звёздный путь» кварки и глюоны упоминаются как источник энергии варп-двигателя, хотя на деле их внутренняя динамика до сих пор ставит в тупик физиков.