Конвейер, по которому каждую секунду проносятся 30 миллионов посылок, а контролёр должен мгновенно решить, что внутри: ценный груз или мусор. На Большом адронном коллайдере такой конвейер — это триггер эксперимента LHCb, отбирающий редкие распады частиц среди миллиардов столкновений. Раньше контролёром служил набор простых правил: если сигнал превысил порог, значит, частица похожа на мюон или электрон. Но правила пропускали много мусора, а драгоценные сигналы иногда терялись.

Теперь на смену правилам пришли нейросети — обучаемые контролёры, которые видят не один признак, а целую картину. Чтобы сеть не отвлекалась на шум и не принимала случайные колебания за сигнал, ей ограничили чувствительность: даже если входные данные слегка изменятся, выход не дёрнется. Это как контролёр с твёрдой рукой, который не вздрагивает от каждого шороха. Сети получились крошечными: около 500 параметров, то есть примерно 2 килобайта в одинарной точности. На каждый трек они добавляют всего 24–28 байт данных.

До этой работы было неясно, можно ли втиснуть нейросетевую идентификацию лептонов в жёсткий бюджет GPU-триггера без потери скорости и надёжности. Теперь показано, что можно. При той же эффективности сигнала нейросети подавляют фон лучше прежних пороговых алгоритмов во всех изученных кинематических областях, занимая менее 1% времени GPU. Контролёр на конвейере стал умнее, но не потерял твёрдость руки.