布鲁克海文国家实验室的物理学家研发了一种机器学习模型,该模型可自动从重离子碰撞中大量背景噪声中辨识粒子喷流。这一进展将有助于提高对夸克-胶子 Plasma 的测量精度,该物质在大爆炸后的一微秒内存在。布鲁克海文的团队与哥伦比亚大学及科罗拉多大学博尔德分校的研究人员合作,在《科学报告》中描述了这一方法。实验室表示,这是首次在此任务中使用“无配对、无监督”的生成模型。
该模型直接从模拟碰撞数据中学习,而非依赖科学家提供的标签。
喷流难以观察的原因在于,在相对论重离子对撞机(RHIC)中,重离子以接近光速碰撞,短暂重现自由夸克和胶子的“汤”。喷流是高能粒子的集中喷发,是探测该 Plasma 的最佳工具之一。它们在穿过 Plasma 时能量损失并改变结构。然而,喷流的信号被大量其他粒子的背景所掩盖,这一问题长期以来限制了喷流测量的准确性。布鲁克海文的物理学家兼石溪大学助理教授高妍珠表示:“改善背景消减可以使得在极端条件下夸克和胶子之间的相互作用测量更加精确。
”
布鲁克海文国家实验室的机器学习模型提高粒子喷流辨识精度
通常,教导算法需要标注数千个示例,例如将图片标注为猫或狗。然而,布鲁克海文计算机科学家德米特里·托尔布诺夫指出,真实的实验数据并不提供答案键,因此这一方法无法适用。该新模型省略了标签。它展示了 Plasma 的纯背景和理想的模拟喷流,并自行推导出如何提取喷流信号,同时去除背景。高妍珠将其比作将拥挤的图像分为两部分:喷流和其他所有内容。
团队在 sPHENIX 的模拟数据中对其进行测试,该检测器在 RHIC 的最后三次运行中运作。在这些测试中,模型比传统的背景消减方法更准确地重建了喷流的位置、能量和内部结构,尤其是对于较大喷流,其中背景波动最强。目前的结果基于模拟数据。
下一步是将其应用于真实数据。sPHENIX 在运行期间收集了近 300PB 的数据,这相当于数十亿张智能手机照片。高妍珠表示,这将是核物理和粒子物理界首次使用此类模型。团队预计它将适用于计划中的电子-离子对撞机和欧洲的大型强子对撞机的能量测量。由于该模型可在类似图像的检测器数据上运作,研究人员表示,它还可能帮助其他需要分离重叠信号的实验。
该项目与能源部的创世任务第一阶段奖励有关,由巴鲁克学院主导,布鲁克海文、石溪大学、哥伦比亚大学和科罗拉多大学博尔德分校共同参与。布鲁克海文的实验室导向研究与开发资金以及能源部科学办公室支持了这项工作。高妍珠赞扬与布鲁克海文计算机科学家的紧密合作,表示这不是一次性的项目,她对机器学习在科学中的新机会感到兴奋。

