Kolaborasi ATLAS dan CMS menggunakan teknik pembelajaran mesin canggih untuk mencari tabrakan yang tampak eksotis yang dapat mengindikasikan fisika baru. Kredit: S Sioni/CMS-PHO-EVENTS-2021-004-2/M Rayner
Kecerdasan buatan merevolusi cara partikel baru dideteksi dalam eksperimen LHC.
Dengan melatih AI untuk mengenali dan membedakan antara jet yang umum dan tidak umum, para peneliti dapat mengidentifikasi potensi fisika baru yang tersembunyi dalam tabrakan partikel. Kemajuan terkini disorot dalam sebuah konferensi fisika, yang menunjukkan kemajuan dan potensi aplikasi AI ini.
Salah satu tujuan utama eksperimen Large Hadron Collider (LHC) adalah mencari tanda-tanda partikel baru, yang dapat menjelaskan banyak misteri yang belum terpecahkan dalam fisika. Sering kali, pencarian fisika baru dirancang untuk mencari satu jenis partikel baru tertentu pada suatu waktu, dengan menggunakan prediksi teoritis sebagai panduan. Namun, bagaimana dengan pencarian partikel baru yang tidak diprediksi dan tidak terduga?
Memilah miliaran tabrakan yang terjadi dalam eksperimen LHC tanpa mengetahui secara pasti apa yang harus dicari akan menjadi tugas yang sangat berat bagi fisikawan. Jadi, alih-alih menyisir data dan mencari anomali, kolaborasi ATLAS dan CMS memungkinkan kecerdasan buatan (AI) menyederhanakan proses.
Kemajuan AI dalam Deteksi Partikel
Pada Pertemuan Morion konferensi pada tanggal 26 Maret, fisikawan dari kolaborasi CMS mempresentasikan hasil terbaru yang diperoleh dengan menggunakan berbagai pembelajaran mesin teknik untuk mencari pasangan “jet”. Jet ini adalah semprotan partikel terkolimasi yang berasal dari kuark dan gluon yang berinteraksi kuat. Jet ini sangat sulit dianalisis, tetapi bisa jadi menyembunyikan fisika baru.
Tampilan peristiwa salah satu peristiwa CMS yang ditentukan oleh algoritma AI sebagai peristiwa yang sangat anomali dan oleh karena itu berpotensi berasal dari partikel baru. Kredit: Kolaborasi CMS
Teknik dalam Pelatihan AI untuk Fisika
Peneliti di ATLAS dan CMS menggunakan beberapa strategi untuk melatih algoritme AI dalam pencarian jet. Dengan mempelajari bentuk tanda energi kompleksnya, ilmuwan dapat menentukan partikel apa yang menciptakan jet tersebut. Dengan menggunakan data tabrakan nyata, fisikawan di kedua eksperimen tersebut melatih AI mereka untuk mengenali karakteristik jet yang berasal dari partikel yang diketahui. AI kemudian dapat membedakan antara jet ini dan tanda jet atipikal, yang berpotensi menunjukkan interaksi baru. Ini akan muncul sebagai akumulasi jet atipikal dalam kumpulan data.
Metode lain melibatkan instruksi algoritma AI untuk mempertimbangkan seluruh peristiwa tabrakan dan mencari fitur anomali pada berbagai partikel yang terdeteksi. Fitur anomali ini dapat mengindikasikan keberadaan partikel baru. Teknik ini didemonstrasikan dalam sebuah makalah yang dirilis oleh ATLAS pada bulan Juli 2023, yang menampilkan salah satu penggunaan pertama pembelajaran mesin tanpa pengawasan dalam hasil LHC. Di CMS, pendekatan yang berbeda melibatkan fisikawan yang membuat contoh simulasi sinyal baru yang potensial dan kemudian menugaskan AI untuk mengidentifikasi tabrakan dalam data nyata yang berbeda dengan jet biasa tetapi menyerupai simulasi.
Dampak Pembelajaran Mesin pada Fisika Partikel
Dalam hasil terbaru yang disajikan oleh CMS, setiap metode pelatihan AI menunjukkan sensitivitas yang berbeda-beda terhadap berbagai jenis partikel baru, dan tidak ada satu pun algoritma yang terbukti menjadi yang terbaik. Tim CMS mampu membatasi laju produksi beberapa jenis partikel yang menghasilkan jet anomali. Mereka juga mampu menunjukkan bahwa algoritma yang dipimpin AI secara signifikan meningkatkan sensitivitas terhadap berbagai tanda partikel dibandingkan dengan teknik tradisional.
Hasil ini menunjukkan bagaimana pembelajaran mesin merevolusi pencarian fisika baru. “Kami sudah memiliki ide tentang cara meningkatkan algoritme lebih lanjut dan menerapkannya ke berbagai bagian data untuk mencari beberapa jenis partikel,” kata Oz Amram, dari tim analisis CMS.
RisalahPos.com Network
Related posts
# PARTNERSHIP
