Ионы золота и ИИ помогают разгадать тайну происхождения Вселенной
На релятивистском коллайдере тяжелых ионов (RHIC), расположенном в Национальной лаборатории Брукхейвена (BNL), золотые ионы сталкиваются на околосветовых скоростях. Эти столкновения, происходящие тысячи раз в секунду, позволяют понять фундаментальные свойства природы и раскрыть тайны ранней Вселенной, включая события, происходившие вскоре после Большого взрыва.
RHIC стал первым в мире ускорителем, который позволил проводить столкновения тяжелых ионов — атомов, лишенных электронов. В гигантском 2,4-мильном кольце коллайдера ионные пучки движутся в противоположных направлениях, и для достижения максимальной эффективности столкновений необходимо идеально настроить девять управляющих параметров, таких как размер, форма и интенсивность пучков. Этот процесс крайне сложен и требует высокого уровня мастерства операторов.
Чтобы упростить задачу и улучшить характеристики пучков, команда исследователей из BNL, Лоуренсовской национальной лаборатории в Беркли (Berkeley Lab) и Мичиганского государственного университета разработала алгоритм машинного обучения. Новая технология помогает увеличивать интенсивность пучков — то есть количество ионов, сосредоточенных в одном пучке. Это можно сравнить с фокусировкой света фонарика, чтобы сделать его ярче и направленнее.
«Коллайдеры — это сложнейшие машины», — отметил старший научный сотрудник Berkeley Lab Цзи Цян. «Наш алгоритм помогает справляться с неопределенностями в управлении пучками, которые движутся практически со скоростью света».
Машинное обучение позволяет анализировать данные и находить в них закономерности. Чем больше данных поступает в алгоритм, тем точнее становится его способность моделировать процессы. Однако интенсивность пучков в RHIC описывается столь сложной функцией, что ее точное математическое выражение до сих пор не было найдено.
«Функция, описывающая пучок, пока неизвестна, и мы пытаемся изучить ее, собирая данные и используя алгоритм», — пояснила старший научный сотрудник Berkeley Lab Шерри Ли. «Искусственный интеллект помогает заполнить этот пробел в знаниях».
Команда использовала свою программу машинного обучения GPTune для настройки девяти параметров системы ионизации ионных пучков в RHIC. Эта система подготавливает пучки, удаляя электроны из атомов.
Собирая данные с датчиков, расположенных вдоль пучков, GPTune анализировал и предлагал оптимальные конфигурации параметров. Первоначально большинство настроек давало интенсивность ниже исходного уровня, однако алгоритм продолжал обучаться. После обработки 45 различных конфигураций начались первые признаки улучшения, а затем интенсивность пучков стала превышать первоначальные значения.
«Это был самый захватывающий момент эксперимента», — отметил исследователь BNL Сяофэн Гу.
Всего после 25 дополнительных тестов GPTune увеличил среднюю интенсивность пучков на 22%. Затем алгоритм был применен для оптимизации параметров в другой части системы, где удалось добиться повышения интенсивности уже на 43%. При объединении настроек для обоих этапов интенсивность выросла на 68−71% в точке выхода и на 22−24% в точке ввода.
Эти успехи открывают возможности для применения алгоритма GPTune не только на RHIC, но и на других установках. Ученые планируют использовать его в других ускорителях частиц, чтобы увеличить общую светимость детекторов и повысить эффективность экспериментов.
«Оптимизация пучков в лаборатории Брукхейвена показала универсальность алгоритма GPTune», — подчеркнула Шерри Ли. «Теперь мы можем использовать его в самых разных научных областях, от разработки новых инструментов до решения междисциплинарных задач».
Ранее мы сообщали об уникальной разработке — новом фотонном процессоре, который совершит прорыв в вычислениях.
