Создана нейросеть, ускоряющая поиск новых частиц на LHC
Специалисты ВШЭ и Яндекса разработали метод, существенно ускоряющий моделирование процессов на Большом адронном коллайдере (БАК). Речь идет о новом пока типе нейросетей - генеративных состязательных (Generative Adversarial Networks).
Эксперименты в физике высоких энергий требуют работы с большими данными. Например, в БАК каждую секунду происходят миллионы столкновений. Детекторы регистрируют их результаты и определяют их характеристики. Как правило, речь идет об «осколках» получившихся частиц, сами они до детекторов не доживают, распавшись где-то по дороге. Для анализа экспериментальных данных и понимания того, чьи осколки зарегистрированы детектором, необходимо знать, как он реагирует на уже известные частицы. Обычно для этого используют специальное программное обеспечение, настроенное на параметры - геометрию и физику - конкретного детектора.
Такие пакеты предоставляют достаточно точное описание откликов среды на прохождение заряженных частиц, однако скорость расчета каждого события может быть очень низкой. В частности, симуляция одного события БАК может занимать несколько секунд. Это плохо. В коллайдере каждую секунду происходят миллионы столкновений, из которых нужно как-то «выловить» интересные. Их там очень немного — первые единицы, да и то, если повезет. Было