.png)
مصادم الهدرونات الكبير (LHC) الواقع بالقرب من جنيف، سويسرا أصبح مشهورًا في جميع أنحاء العالم في العام 2012 عند كشفه عن بوزون هيجز، أظهر الرصد تأكيدًا حاسمًا للنموذج المعياري لفيزياء الجسيمات الذي ينظم الجسيمات دون الذرية في مجموعات مشابهة للعناصر في الجدول الدوري في الكيمياء.
قدم مختبر أرغون الوطني التابع لوزارة الطاقة الأمريكية (DOE) العديد من المساهمات الجوهرية لبناء وتشغيل الكاشف التجريبي ATLAS في مصادم الهدرونات الكبير (LHC)، ولتحليل الإشارات المُسجلة والتي تكشف عن فيزياء تصادم الجسيمات.
يلعب مختبر أرغون دورا رائدًا في ترقية اللمعان العالي High-Luminosity لكاشف ATLAS
وهو مشروع يهدف إلى زيادة اللمعان من أجل رفع الأداء للعمليات المقرر بدأها في عام2027 فاللمعان مؤشر مهم للأداء فكلما زاد اللمعان زادت البيانات التي يمكن أن تجمعها التجارب لمراقبة العمليات النادرة
وتحقيقًا لهذه الغاية، ابتكر أحد فرق أرغون، المكون من علماء فيزياء وعلماء حاسوب، خوارزمية مبنية على التعلم الآلي تقارب الكيفية التي سوف يستجيب بها الكاشف الحالي لتزايد البيانات الكبير المُتوقع مع التطوير.
يُطلق مصادم الهدرونات الكبير LHC - وهو أكبر آلة فيزياء تم بناؤها مُطلقًا- حزمتين من البروتونات في اتجاهين متعاكسين حول حلقة طولها 17 ميلًا حتى يقتربا من سرعة الضوء، فيقوم بصدمهما معًا ومن ثم تحليل منتجات التصادم باستخدام أجهزة كشف عملاقة مثل ATLAS.
يُعد ارتفاع ATLAS كارتفاع مبنى مكون من ستة طوابق ويزن حوالي 7000طن. اليوم، يُواصل مصادم الهدرونات الكبير LHC دراسة بوزون هيجز، ومعالجة الأسئلة الأساسية حول ”كيف“ و “لماذا“ المادة في الكون تبدو كما هي عليه.
يقول والتر هوبكينز، فيزيائي مساعد في قسم فيزياء الطاقة العالية (HEP) في أرغون: ”معظم اسئلة الباحثين في ATLAS تتضمن البحث عن إبرة في كومة قش كبيرة، حيث أن العلماء مهتمين فقط بإيجاد حدث واحد من بين مليار حدث آخر“.
كجزء من تطوير مصادم الهدرونات الكبير LHC، تتقدم الجهود الآن لتعزيز لمعانه - عدد تفاعلات البروتون إلى البروتون لكل تصادم بين حزمتي بروتونات- بمعامل خمسة. سيؤدي هذا إلى إنتاج بيانات لكل سنة أكثر بعشر مرات عما يتم الحصول عليه حاليًا من تجارب LHC.
لايزال مدى استجابة الكاشفات لمعدل الأحداث المتزايد يحتاج إلى فهم، وهذا يتطلب تشغيل محاكاة حاسوبية عالية الأداء للكاشفات من أجل تقييم العمليات المعروفة الناتجة عن تصادمات LHC بدقة.
عمليات المحاكاة واسعة النطاق هذه مكلفة وتتطلب الكثير من وقت الحوسبة على أفضل وأقوى أجهزة الحاسب العملاقة في العالم supercomputers.
أنشأ فريق أرغون خوارزمية تعلم آلي سيتم تشغيلها كمحاكاة أولية قبل أي محاكاة كاملة. تقارب هذه الخوارزمية، بطرق سريعة جدًا وأقل تكلفة، كيفية استجابة الكاشف الحالي لتزايد البيانات الكبير المُتوقع مع التطوير.
يتضمن ذلك محاكاة لاستجابة الكاشف لتصادم الجسيمات ولإعادة بناء أشياء من العمليات الفيزيائية. هذه الأشياء المُعاد بناءها تتضمن نفاثات أو بخاخات من الجسيمات، بالإضافة إلى جسيمات مُفردة مثل الإلكترونات و الميونات.
يقول دوج بنجامين، عالِم حساب في HEP: "إن اكتشاف الفيزياء الجديدة في المصادم LHC وأماكن أخرى يتطلب طرقًا أكثر تعقيدًا لتحليلات البيانات الضخمة". "هذه الأيام تعني عادة استخدام التعلم الآلي ML وتقنيات الذكاء الاصطناعي AI الأخرى.“
لم تستخدم طرق التحليل المستخدمة سابقًا للمحاكاة الأولية خوارزميات التعلم الآلي، وهي تستغرق وقتًا طويلًا لأنها تتضمن تحديثًا يدويًا للضوابط التجريبية عندما تتغير الظروف في LHC. قد يفقد البعض أيضًا ارتباطات البيانات الهامة لمجموعة معينة من متغيرات الإدخال للتجربة.
تتعلم الخوارزمية التي تم تطويرها من قِبل أرغون، في الوقت الفعلي أثناء تطبيق إجراء التدريب، الميزات المختلفة التي يجب إدخالها من خلال المحاكاة الكاملة التفصيلية،
وبالتالي تجنب الحاجة إلى ضوابط تجريبية يتم تحديثها يدويًا. يمكن لهذه الطريقة أيضًا التقاط ترابطات معقدة من المتغيرات التي لم تكن ممكنة من قبل.
قال هوبكنز من خلال المحاكاة يمكنك معرفة الأساسيات بتكلفة ووقت حسابي قليلين نسبيًا ثم يمكنك متابعة عمليات المحاكاة الكاملة بكفاءة أكبر في وقت لاحق" وأضاف: "تزود خوارزمية التعلم الآلي لدينا المستخدمين بقوة تمييزية أفضل في الأماكن التي يبحثون فيها عن أحداث جديدة أو نادرة في التجربة
يمكن أن تثبت خوارزمية الفريق أنها لا تقدر بثمن ليس فقط لـ ATLAS ، ولكن بالنسبة للكاشفات التجريبية المتعددة في LHC ، بالإضافة إلى تجارب فيزياء الجسيمات الأخرى التي تجري حاليًا في جميع أنحاء العالم.
المراجع:
Comments