Impulsar La Potencia Informática Con Aprendizaje Automático Para El Futuro De La Física De Partículas

Representación de IA del cerebro

La inteligencia artificial interconectada con el Gran Colisionador de Hadrones puede conducir a una mayor precisión en el análisis de datos, lo que puede mejorar las mediciones de las propiedades físicas fundamentales y potencialmente conducir a nuevos descubrimientos.

La tecnología de aprendizaje automático prototipo desarrollada conjuntamente por científicos del MIT acelera el procesamiento hasta 175 veces más que los métodos tradicionales.

Una nueva tecnología de aprendizaje automático probada por un equipo internacional de científicos que incluye MIT El profesor asistente Philip Harris y el postdoctorado Dylan Rankin, ambos del Laboratorio de Ciencias Nucleares, pueden detectar firmas de partículas específicas entre un océano de datos del Gran Colisionador de Hadrones (LHC) en un abrir y cerrar de ojos.

El nuevo sistema, sofisticado y rápido, ofrece un vistazo al papel que cambiará el juego que desempeñará el aprendizaje automático en futuros descubrimientos en física de partículas a medida que los conjuntos de datos se hacen más grandes y complejos.

El LHC genera unos 40 millones de colisiones por segundo. Con tan vastas cantidades de datos para analizar, se necesitan computadoras poderosas para identificar aquellas colisiones que pueden ser de interés para los científicos, ya sea, tal vez, un indicio de materia oscura o una partícula de Higgs.

Ahora, los científicos de Fermilab, CERN , MIT, el Universidad de Washington y en otros lugares han probado un sistema de aprendizaje automático que acelera el procesamiento de 30 a 175 veces en comparación con los métodos existentes.

Estos métodos actualmente procesan menos de una imagen por segundo. Por el contrario, el nuevo sistema de aprendizaje automático puede revisar hasta 600 imágenes por segundo. Durante su período de entrenamiento, el sistema aprendió a seleccionar un tipo específico de patrón de partículas poscolisión.

“Los patrones de colisión que estamos identificando, los quarks superiores, son una de las partículas fundamentales que sondeamos en el Gran Colisionador de Hadrones”, dice Harris, quien es miembro del Departamento de Física del MIT. “Es muy importante que analicemos la mayor cantidad de datos posible. Cada dato contiene información interesante sobre cómo interactúan las partículas “.

Esos datos llegarán como nunca antes después de que se completen las actualizaciones actuales del LHC; para 2026, se espera que el acelerador de partículas de 17 millas produzca 20 veces más datos que en la actualidad. Para hacer las cosas aún más urgentes, las imágenes futuras también se tomarán con resoluciones más altas que las actuales. En total, los científicos e ingenieros estiman que el LHC necesitará más de 10 veces la potencia informática que tiene actualmente.

“El desafío de la ejecución futura”, dice Harris, “se vuelve cada vez más difícil a medida que nuestros cálculos se vuelven más precisos y probamos efectos cada vez más precisos”.  

Los investigadores del proyecto entrenaron su nuevo sistema para identificar imágenes de quarks superiores, el tipo de partícula elemental más masivo, unas 180 veces más pesado que un protón. “Con las arquitecturas de aprendizaje automático disponibles para nosotros, podemos obtener resultados de calidad científica de alto grado, comparables a los mejores algoritmos de identificación de quarks superiores del mundo”, explica Harris. “La implementación de algoritmos centrales a alta velocidad nos brinda la flexibilidad para mejorar la computación LHC en los momentos críticos donde más se necesita”.

Añadir un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *