Cum un student grad a obținut date LHC pentru a juca frumos cu interferența cuantică

Măsurătorile la colizorul de hadron mare au fost încurajate de unul dintre cele mai centrale fenomene ale lumii cuantice. Dar acum, un tânăr cercetător a susținut o nouă metodă pentru a rezolva problema folosind rețele neuronale profunde.

Marele colizor de hadron este unul dintre cele mai mari experimente din istorie, dar este, de asemenea, unul dintre cele mai greu de interpretat. Spre deosebire de a vedea o imagine a unei vedete într -un telescop, a spune ceva despre datele care ies din LHC necesită o modelare statistică atentă.

„Dacă mi -ai dat o teorie [that] Bosonul Higgs este în acest fel sau în acest fel, cred că oamenii își imaginează: „Hei, ai construit experimentul, ar trebui să -mi poți spune ce vei vedea sub diverse ipoteze!”, A spus Daniel Whiteson, profesor la Universitatea din California, Irvine. „Dar noi nu.”

O provocare cu interpretarea datelor LHC este interferența, o implicație de bază a mecanicii cuantice. Interferența permite două evenimente posibile să se inhibeze reciproc, slăbind probabilitatea de a vedea rezultatul fiecăruia. În prezența interferențelor, fizicienii au avut nevoie să utilizeze o metodă statistică mai plină de acțiune pentru a analiza datele, pierderea puterii complete a datelor și creșterea incertitudinii acestora.

Cu toate acestea, o descoperire recentă sugerează o modalitate diferită de a rezolva problema. Colaborarea Atlas, unul dintre cele două grupuri care studiază coliziunile de protoni la LHC, a lansat două lucrări în decembrie anul trecut care descriu noi modalități de explorare a datelor de la detectorul lor. Unul Descrie modul de utilizare a unei tehnici de învățare automată numită inferență bazată pe simulare neurală pentru a maximiza potențialul datelor fizicii particulelor. Celelalte își demonstrează eficacitatea cu testul final: re-realizarea unei analize anterioare cu noua tehnică și observarea îmbunătățirii dramatice.

Lucrările sunt punctul culminant al căutării unui tânăr cercetător de șase ani de a convinge colaborarea valorii noii tehnici. Succesul său are deja un impact asupra planurilor experimentului pentru lucrările viitoare.

Având sens din fuzionarea bosonilor

Fiecare coliziune de particule la LHC implică multe căi posibile în care diferite particule se combină pentru a da naștere la spray -ul resturilor pe care experimentatorii le văd. În 2017, David Rousseau la IJClab din Orsay, membru al colaborării Atlas, a cerut unuia dintre studenții săi, Aishik Ghosh, să îmbunătățească capacitatea echipei sale de a detecta o cale specifică. Această cale particulară este destul de importantă, deoarece este utilizată pentru a măsura proprietățile bosonului Higgs, o particulă (măsurată mai întâi în 2012) care ajută la explicarea masei tuturor celorlalte particule fundamentale.

A fost o întrebare destul de mare. „Când un student de grad începe în Atlas, sunt un micuț minuscul într-o mașină uriașă, bine unsă de 3.500 de fizicieni, care par să știe exact ce fac”, a spus Ghosh.

Calea Ghosh a fost solicitată să studieze apare prin mai mulți pași. În primul rând, cei doi protoni care se ciocnesc emit fiecare un boson W, o particulă asociată cu forța nucleară slabă. Acești doi bosoni se îmbină, schimbându -și identitatea pentru a forma un boson Higgs. Bosonul Higgs se descompune apoi, formând o pereche de bosoni z, o altă particulă asociată cu forța slabă. În cele din urmă, acei z bosoni înșiși fiecare se descompun într -un lepton, ca un electron, și partenerul său antimaterie, ca un pozitron.

Măsurătorile precum cea pe care a studiat -o Ghosh sunt o modalitate cheie de a investiga proprietățile bosonului Higgs. Prin măsurarea precisă a cât timp durează bosonul Higgs pentru a se descompune, fizicienii ar putea găsi dovezi despre interacțiunea acestuia cu particule noi, nedescoperite, care sunt prea masive pentru ca LHC să producă direct.

Ghosh a început proiectul, sperând să găsească o mică îmbunătățire a metodelor bine testate ale colaborării. În schimb, a observat o problemă mai mare. Scopul pe care i -a fost dat, de a detecta o singură cale de la sine, nu a avut sens de fapt.

„Am făcut asta și mi -am dat seama:„ Ce fac? ” Nu există niciun obiectiv clar, a spus Ghosh.

Problema a fost interferența cuantică.

Cum interferează istoriile cuantice

Una dintre cele mai faimoase demonstrații ale naturii misterioase a mecanicii cuantice se numește experiment cu două silet. În această demonstrație, electronii sunt împușcați printr -un ecran cu două fante care le permit să treacă pe o placă fotografică din cealaltă parte. Cu o fanta acoperită, electronii formează un model centrat pe deschidere. Placa fotografică se aprinde luminos chiar de la fanta și se întunecă mai departe de ea.

Cu ambele fante deschise, te -ai aștepta ca modelul să devină mai luminos, pe măsură ce mai mulți electroni ajung la placa fotografică. În schimb, efectul variază. Cele două fante nu dau naștere la două vârfuri frumoase strălucitoare; În schimb, vedeți un model de ondulare în care unele zone devin mai luminoase, în timp ce altele se întunecă, chiar dacă zonele mai slabe ar trebui, în principiu, să fie mai ușor de atins electronii.

Efectul se întâmplă chiar dacă electronii sunt împușcați pe ecran unul câte unul pentru a -i opri să se influențeze reciproc direct. Este ca și cum fiecare electron poartă cu ea două istorii posibile, una în care trece printr -o fanta și alta unde trece prin cealaltă înainte de a ajunge ambele în același loc. Aceste două istorii interferează între ele, astfel încât unele destinații să devină mai puțin probabile în loc de mai probabil.

Pentru electronii din experimentul cu două sulturi, cele două istorii diferite sunt două căi diferite prin spațiu. Pentru o măsurare la colizorul mare de hadron, istoriile sunt mai abstracte – paturi care duc prin transformările câmpurilor. O istorie ar putea fi ca calea pe care Ghosh a fost rugată să o studieze, în care doi bosoni W fuzionează pentru a forma un boson Higgs înainte ca bosonul Higgs să se despartă în doi bosoni Z. Dar într -o altă istorie, cei doi bosoni W s -ar putea să fuzioneze și să se împartă imediat în doi bosoni Z fără să producă vreodată un Higgs.

Ambele istorii au același început, cu doi bosoni W, și același scop, cu doi bosoni z. La fel cum cele două istorii ale electronilor din experimentul cu două sile pot interfera, la fel și cele două istorii pentru aceste particule.

Această interferență face ca efectul bosonului Higgs să fie mult mai dificil de observat. Oamenii de știință din Atlas au dorit să caute două perechi de electroni și pozitroni, ceea ce ar oferi dovezi că au fost produse doi bosoni Z. Aceștia și -ar clasifica observațiile în două tipuri: observații care sunt dovezi pentru semnalul pe care îl căutau (cel al unui boson Higgs în descompunere) și observații ale evenimentelor care generează acest model de particule fără ca bosonul Higgs să acționeze ca un intermediar (acestea din urmă sunt numite fundal). Dar cele două tipuri de observații, semnal și fundal, interferează. Cu un semnal mai puternic, corespunzând mai multor bosoni Higgs care se descompun, s -ar putea să observați mai multe perechi de electroni și pozitroni … dar dacă aceste evenimente interferează, s -ar putea să vedeți că aceste perechi dispar.

Învățarea de a deduce

În abordările tradiționale, aceste dispariții sunt greu de făcut față, chiar și atunci când folosesc metode care încorporează deja învățarea automată.

Una dintre cele mai frecvente utilizări ale învățării automate este clasificarea – de exemplu, distincția dintre imaginile câinilor și pisicilor. Atrageți mașina pe imagini cu pisici și imagini cu câini și vă spune, având în vedere o imagine, care animal este cel mai probabil potrivire. Fizicienii de la LHC foloseau deja acest tip de metodă de clasificare pentru a caracteriza produsele coliziunilor, dar funcționează mult mai rău atunci când este implicată interferența.

„Dacă aveți ceva care dispare, nu prea știți la ce să vă antrenați”, a spus David Rousseau. „De obicei, te antrenezi semnal față de fundal, exact ca și cum te antrenezi pe pisici față de câini. Când există ceva care dispare, nu vezi ce te -ai antrenat.”

La început, Ghosh a încercat câteva trucuri simple, dar, pe măsură ce a trecut timpul, și -a dat seama că trebuie să facă o schimbare mai fundamentală. El a adresat altora din comunitate și a aflat despre o metodă numită inferență bazată pe simulare neuronală sau NSBI.

În abordările mai vechi, oamenii aveau modele de învățare automată instruită pentru a clasifica observațiile în semnal și fundal, folosind simulări ale coliziunilor de particule pentru a face datele de instruire. Apoi au folosit acea clasificare pentru a deduce valoarea cea mai probabilă a unui număr, cum ar fi timpul necesar pentru a se descompune un boson Higgs, pe baza datelor dintr -un experiment real. Inferența neurală bazată pe simulare sări peste clasificare și merge direct la inferență.

În loc să încerce să clasifice observațiile în semnal și fundal, NSBI folosește simulări pentru a învăța o rețea neuronală artificială pentru a ghici o formulă numită un raport de probabilitate. Cineva care folosește NSBI ar rula mai multe simulări care descriu diferite situații, cum ar fi lăsarea bosonului Higgs la rate diferite, și apoi verifică câte din fiecare tip de simulare au dat o observație specifică. Fracția acestor simulări cu o anumită rată de descompunere ar oferi raportul de probabilitate, o metodă de deducere a ratei de descompunere este mai probabil să fie o probă experimentală. Dacă rețeaua neuronală este bună să ghicească acest raport, va fi bine să găsești cât timp durează Higgs pentru a se descompune.

Deoarece NSBI nu încearcă să clasifice observațiile în diferite categorii, gestionează mai eficient interferența cuantică. În loc să încerce să găsească Higgs pe baza unui semnal care dispare, examinează toate datele, încercând să ghicească care este timpul de descompunere cel mai probabil.

Ghosh a testat metoda, care a arătat rezultate promițătoare asupra datelor de testare și a prezentat rezultatele la o conferință din 2019. Dar dacă avea să convingă colaborarea Atlas că metoda era sigură de utilizat, el mai avea multă muncă înaintea lui.

Schimbarea greutății pe umerii lui Atlas

Experimente precum Atlas au așteptări ridicate la ele. O colaborare de mii de oameni de știință, Atlas trebuie să nu estimeze doar legile fizicii, ci și să aibă o idee clară despre cât de incerte sunt aceste estimări. La vremea respectivă, NSBI nu a fost testat în acest fel.

„Nimic din toate acestea nu a fost folosit de fapt pe date”, a spus Ghosh. “Nimeni nu știa cum să cuantifice incertitudinile. Deci, aveți o rețea neuronală care vă oferă o probabilitate. Nu știți cât de bună este probabilitatea. Este bine cel mai bine? Ce se întâmplă dacă este estimat greșit doar într-un colț ciudat? Asta ar prejudicia complet rezultatele.”

Verificarea acestor colțuri a fost un loc de muncă prea mare pentru un singur doctorat și prea complex pentru a fi finalizat într -o singură diplomă de doctorat. Aishik ar trebui să construiască o echipă și ar avea nevoie de timp pentru a construi acea echipă. Acest lucru este complicat în lumea academică, unde studenții merg la locuri de muncă postdoc pe termen scurt, cu așteptarea că publică rapid noi rezultate pentru a-și îmbunătăți CV-ul pentru următoarea poziție.

„De obicei, căutăm să publicăm următoarea lucrare în doi până la trei ani – fără timp să ne revizuim metodele”, a spus Ghosh. Din fericire, Ghosh a avut sprijin. Și -a primit doctoratul alături de Rousseau și a mers să lucreze cu Daniel Whiteson, care l -a încurajat să -și continue proiectul ambițios.

„Cred că este foarte important ca postdocii să învețe să -și asume aceste riscuri, deoarece asta este știința”, a spus Whiteson.

Ghosh și -a adunat echipa. Un alt student al lui Rousseau, Arnaud Maury, a lucrat la Calibrat e încrederea mașinii în răspunsurile sale. Un profesor la Universitatea din Massachusetts, Rafael Coelho Lopes de Sa, s -a alăturat proiectului. Studentul său Jay Sandesara ar avea un rol esențial în obținerea calculului pentru a funcționa la scară completă pe un cluster de calculator. IJCLAB Emeritus Rd Schaffer și profesorul de la Universitatea Liège, Gilles Loupe, au oferit verificări și sfaturi încrucișate.

53 de comentarii