Российские математики и физики создали систему искусственного интеллекта, которая существенно ускорит анализ поведения частиц внутри детекторов БАК и поможет быстрее открывать их. Ее описание и итоги работы были представлены в журнале NIMA.
"Удивительно, как методы, разрабатываемые, грубо говоря, для генерации реалистичных фотографий котов, позволяют на несколько порядков ускорить физические расчёты", — рассказывает Никита Казеев, аспирант Высшей школы экономики, чьи слова приводит пресс-служба вуза.
В последние годы, благодаря развитию математики и росту вычислительных мощностей компьютеров, у ученых появилась возможность создавать сложные нейросети, системы искусственного интеллекта, способные исполнять нетривиальные задачи и даже "мыслить" креативно, создавая новые образцы искусства и технологий.
Многие из этих "творческих" достижений искусственного разума стали возможными благодаря появлению так называемых состязательных, или GAN-сетей, способных не только распознавать какие-то объекты или решать задачи, но и самостоятельно вырабатывать что-то новое.
Как правило, такая система ИИ состоит из двух соперничающих между собой блоков – один из них, "генератор", предлагает новые варианты, а другой, "инспектор" – пытается понять, сделала ли первая половина сети ошибку и укладываются ли ее выкладки в определенные критерии.
Такую сеть сложнее обучить нужным действиям и достичь максимума производительности, но зато она работает гораздо надежнее после обучения. С другой стороны, ее можно научить даже тому, что сам человек плохо себе представляет и не может сформулировать.
Казеев и его коллеги по ВШЭ, а также специалисты из компании "Яндекс", создали GAN-сеть, предназначенную для решения серьезных научных, а не бытовых или художественных задач. Ее главная цель – ускорить работу компьютерных систем, просчитывающих то, как ведут себя все мыслимые и немыслимые частицы, возникающие внутри детекторов Большого адронного коллайдера.
Зачем нужны подобные расчеты? Дело в том, что БАК и прочие ускорители частиц определяют то, что внутри них возник "божественный" бозон Хиггса, "дьявольский" пентакварк или какая-то другая частица не напрямую, а по тому, как продукты их распадов сталкиваются со стенками детекторов.
Каждую секунду внутри коллайдера рождается бесчисленное множество частиц, большая часть которых уже давно известна ученым и не вызывает у них никакого интереса. Найти интересные события в этом объеме данных невозможно не только вручную, но и при помощи классических компьютерных алгоритмов, из-за чего специалисты ЦЕРН уже давно используют нейросети для "просеивания" данных.
Каждое обновление БАК или постройка еще более мощных ускорителей, в свою очередь, заметно увеличит число возможных типов частиц, возникающих при столкновениях протонов или тяжелых ионов. Российские математики и физики выяснили, как можно ускорить просчет их поведения внутри детекторов, используя особую GAN-сеть.
Для проверки ее работы ученые выбрали оптоволоконные детекторы, применявшиеся на эксперименте BaBar для поиска возможных объяснений того, почему антиматерия почти полностью отсутствует во Вселенной.
Его манера взаимодействия с частицами была хорошо изучена и просчитана другими путями за десять лет работы BaBar, что позволило математикам натренировать искусственный разум и проверить его в деле.
Эти проверки завершились успешно - GAN-сеть правильно предсказала то, какие частицы должны возникать в этой установке, и при этом ускорила расчеты примерно в 80 раз. Как надеются ученые, их детище поможет предсказать то, как будут вести себя еще не открытые частицы, которые БАК обнаружит после завершения его очередного большого обновления в 2021 году.
По информации https://ria.ru/20190311/1551698619.html
Обозрение "Terra & Comp".
