Разработана новая техника по улучшению анализа данных для БАК

Физики из Нью-Йоркского университета создали новые методики с применением машинного обучения для улучшения анализа данных на Большом адронном коллайдере — самом мощном ускорителе частиц в мире.

13 сен Владимир Гильен Комментариев: 0
973
Выбор редакции

«Разработанные нами методы значительно повышают потенциальные шансы на обнаружение новой физики на БАК», — уверен Кайл Кранмер, профессор физики и ведущий автор исследования, опубликованного в журнале Physical Review Letters.

 

Большой адронный коллайдер исследует новый рубеж высокоэнергетической физики и впоследствии может раскрыть возникновение массы фундаментальных частиц, источник неуловимой темной материи, заполняющей Вселенную, и даже дополнительные измерения пространства.

 

Данные, полученные на БАК в 2012 году, подтвердили существование бозона Хиггса — субатомной частицы, играющей ключевую роль в нашем понимании Вселенной. В 2013 году Питер Хиггс и Франсуа Энглер получили Нобелевскую премию по физике за разработку теории, известной сегодня как поле Хиггса, наделяющее массой элементарные частицы.

 

Схематический обзор техник, описанных в публикации / © Kyle Cranmer

Схематический обзор техник, описанных в публикации / © Kyle Cranmer

 

Исследователи из Нью-Йоркского университета, включая Кранмера, искали доказательства бозона Хиггса на основе данных, полученных на БАК, разработали статистические инструменты и методологию, примененную для подтверждения открытия, измерили новую частицу — и установили, что в действительности это бозон Хиггса. Новые методы, описанные в публикации в Physical Review Letters, предполагают вероятность новаторских открытий.

 

«Во многих областях науки симуляции предоставляют лучшие описания сложных феноменов, но их сложно использовать в контексте анализа данных, — объясняет Кранмер. — Разработанные нами техники помогают строить мост, который позволяет нам использовать все эти очень точные симуляции в контексте анализа данных».

 

Зачастую задачи, стоящие перед физиками, крайне сложны. К примеру, Кранмер отмечает, что очень просто создать симуляцию паузы в игре в бильярд, когда шары бьются друг о друга и о бортики. Однако намного сложнее смотреть на конечную позицию шара, пытаясь понять, как сильно и под каким углом его изначально ударил кий.

 

«Несмотря на то что, думая о физике, мы представляем себе огромную доску, исписанную уравнениями, современная наука требует детальных компьютерных симуляций, — добавляет он. — Они могут быть очень точными, но эти симуляции не сразу предоставляют метод анализа данных. Машинное обучение выделяется тщательным подбором шаблонов данных — и эта способность может быть использована для суммирования симулированных данных, предоставляя современный эквивалент доски».  

Наука

Naked Science Facebook VK Twitter
973
Комментарии

Быстрый вход

или зарегистрируйтесь, чтобы отправлять комментарии
Вы сообщаете об ошибке в следующем тексте:
Нажмите Отправить ошибку