นักฟิสิกส์จากห้องปฏิบัติการแห่งชาติ Brookhaven ได้พัฒนาโมเดลการเรียนรู้ของเครื่องที่สามารถระบุการพ่นอนุภาคจากชนกันของไอออนหนักโดยอัตโนมัติจากเสียงรบกวนพื้นหลังจำนวนมาก ความก้าวหน้านี้จะช่วยเพิ่มความแม่นยำในการวัดควาร์ก-กลูออนพลาสม่า ซึ่งเป็นสารที่มีอยู่ในช่วงไมโครวินาทีหลังจากการระเบิดใหญ่ ทีมงานจาก Brookhaven ร่วมมือกับนักวิจัยจากมหาวิทยาลัยโคลัมเบียและมหาวิทยาลัยโคโลราโด โบลเดอร์ ในการอธิบายวิธีการนี้ในวารสาร Scientific Reports ห้องปฏิบัติการระบุว่านี่เป็นครั้งแรกที่ใช้โมเดลการสร้างที่ "ไม่มีการจับคู่และไม่มีการควบคุม" ในภารกิจนี้
โมเดลนี้เรียนรู้โดยตรงจากข้อมูลการจำลองการชนกัน แทนที่จะพึ่งพาป้ายกำกับที่นักวิทยาศาสตร์จัดเตรียมไว้
สาเหตุที่การพ่นอนุภาคยากต่อการสังเกตคือ ในเครื่องชนไอออนหนักเชิงสัมพัทธ์ (RHIC) ไอออนหนักชนกันที่ความเร็วใกล้เคียงกับความเร็วแสง ทำให้เกิด "ซุป" ของควาร์กและกลูอคชั่วขณะ การพ่นอนุภาคเป็นการระเบิดของอนุภาคพลังงานสูงที่มีความเข้มข้น ซึ่งเป็นหนึ่งในเครื่องมือที่ดีที่สุดในการตรวจจับพลาสม่า เมื่อมันเคลื่อนที่ผ่านพลาสม่า จะสูญเสียพลังงานและเปลี่ยนแปลงโครงสร้าง อย่างไรก็ตาม สัญญาณของการพ่นอนุภาคถูกบดบังด้วยอนุภาคอื่นๆ จำนวนมาก ปัญหานี้ได้จำกัดความแม่นยำในการวัดการพ่นอนุภาคมานานแล้ว นักฟิสิกส์จาก Brookhaven และผู้ช่วยศาสตราจารย์ที่มหาวิทยาลัย Stony Brook, Gao Yanzhu กล่าวว่า "การปรับปรุงการลดพื้นหลังสามารถทำให้การวัดปฏิสัมพันธ์ระหว่างควาร์กและกลูอคในสภาวะสุดขีดมีความแม่นยำมากขึ้น
”
โมเดลการเรียนรู้ของเครื่องจากห้องปฏิบัติการแห่งชาติ Brookhaven เพิ่มความแม่นยำในการระบุการพ่นอนุภาค
โดยทั่วไป การสอนอัลกอริธึมต้องใช้ตัวอย่างที่มีการติดป้ายกำกับหลายพันตัวอย่าง เช่น การติดป้ายภาพว่าเป็นแมวหรือสุนัข อย่างไรก็ตาม นักวิทยาศาสตร์คอมพิวเตอร์จาก Brookhaven, Dmitry Tolbunov ชี้ให้เห็นว่าข้อมูลการทดลองจริงไม่ได้ให้คำตอบ ดังนั้นวิธีนี้จึงไม่สามารถใช้ได้ โมเดลใหม่ได้ละเว้นป้ายกำกับ โดยแสดงพื้นหลังที่บริสุทธิ์ของพลาสม่าและการพ่นอนุภาคจำลองที่เหมาะสม และสรุปด้วยตัวเองว่าอย่างไรจึงจะดึงสัญญาณการพ่นอนุภาคออก ในขณะที่กำจัดพื้นหลัง Gao Yanzhu เปรียบเทียบกับการแบ่งภาพที่แออัดออกเป็นสองส่วน: การพ่นอนุภาคและสิ่งอื่นๆ ทั้งหมด
ทีมงานได้ทดสอบโมเดลนี้ในข้อมูลจำลองของ sPHENIX ซึ่งเป็นเครื่องตรวจจับที่ทำงานในสามรอบสุดท้ายของ RHIC ในการทดสอบเหล่านี้ โมเดลสามารถสร้างตำแหน่ง พลังงาน และโครงสร้างภายในของการพ่นอนุภาคได้แม่นยำกว่าวิธีการลดพื้นหลังแบบดั้งเดิม โดยเฉพาะอย่างยิ่งสำหรับการพ่นอนุภาคขนาดใหญ่ ซึ่งมีความผันผวนของพื้นหลังสูง ผลลัพธ์ในปัจจุบันอิงจากข้อมูลจำลอง
ขั้นตอนถัดไปคือการนำไปใช้กับข้อมูลจริง sPHENIX ได้เก็บข้อมูลเกือบ 300PB ในระหว่างการดำเนินงาน ซึ่งเทียบเท่ากับภาพถ่ายจากสมาร์ทโฟนหลายพันล้านภาพ Gao Yanzhu กล่าวว่า นี่จะเป็นครั้งแรกในวงการฟิสิกส์นิวเคลียร์และฟิสิกส์อนุภาคที่ใช้โมเดลประเภทนี้ ทีมงานคาดว่าโมเดลนี้จะใช้ได้กับการวัดพลังงานของเครื่องชนอิเล็กตรอน-ไอออนที่วางแผนไว้และเครื่องชนใหญ่ของยุโรป (LHC) เนื่องจากโมเดลนี้สามารถทำงานกับข้อมูลจากเครื่องตรวจจับที่มีลักษณะคล้ายกัน นักวิจัยกล่าวว่า มันอาจช่วยในการทดลองอื่นๆ ที่ต้องการแยกสัญญาณที่ทับซ้อนกัน
โครงการนี้เกี่ยวข้องกับรางวัลในระยะที่หนึ่งของภารกิจ Genesis ของกระทรวงพลังงาน ซึ่งนำโดย Baruch College โดยมีการมีส่วนร่วมจากห้องปฏิบัติการ Brookhaven, มหาวิทยาลัย Stony Brook, มหาวิทยาลัยโคลัมเบีย และมหาวิทยาลัยโคโลราโด โบลเดอร์ ห้องปฏิบัติการ Brookhaven ได้รับการสนับสนุนจากเงินทุนการวิจัยและพัฒนาจากกระทรวงพลังงานและสำนักงานวิทยาศาสตร์ของกระทรวงพลังงาน Gao Yanzhu ชื่นชมความร่วมมืออย่างใกล้ชิดกับนักวิทยาศาสตร์คอมพิวเตอร์จาก Brookhaven โดยกล่าวว่านี่ไม่ใช่โครงการครั้งเดียว และเธอรู้สึกตื่นเต้นกับโอกาสใหม่ๆ ของการเรียนรู้ของเครื่องในวิทยาศาสตร์

