.
Uma equipe de pesquisadores do CERN, Massachusetts Institute of Technology e Staffordshire University implementaram um algoritmo inovador para reconstruir partículas no Grande Colisor de Hádrons.
O Large Hadron Collider (LHC) é o acelerador de partículas mais poderoso já construído, que fica em um túnel de 100 metros no subsolo do CERN, a Organização Europeia para Pesquisa Nuclear, perto de Genebra, na Suíça. É o local de experimentos de longa duração que permitem que físicos de todo o mundo aprendam mais sobre a natureza do Universo.
O projeto faz parte do experimento Compact Muon Solenoid (CMS) – um dos sete experimentos instalados que usa detectores para analisar as partículas produzidas por colisões no acelerador.
O assunto de um novo artigo acadêmico Reconstrução de múltiplas partículas de ponta a ponta em calorímetros de imagem de alta ocupação com redes neurais gráficas publicado em Revista Física Europeia C, o projeto foi realizado antes da atualização de alta luminosidade do Large Hadron Collider. O projeto High Luminosity Large Hadron Collider (HL-LHC) visa aumentar o desempenho do LHC para aumentar o potencial de descobertas após 2029. O HL-LHC aumentará o número de interações próton-próton em um evento de 40 a 200.
O professor Raheel Nawaz, vice-chanceler profissional de transformação digital da Staffordshire University, supervisionou a pesquisa. Ele explicou: “Limitar o aumento do consumo de recursos de computação em grandes pileups é um passo necessário para o sucesso do programa de física HL-LHC e estamos defendendo o uso de técnicas modernas de aprendizado de máquina para realizar a reconstrução de partículas como uma possível solução para esse problema. .”
Ele acrescentou: “Este projeto foi uma alegria e um privilégio para trabalhar e provavelmente ditará a direção futura da pesquisa sobre reconstrução de partículas usando uma solução baseada em IA mais avançada”.
Jan Kieseler, do Departamento de Física Experimental do CERN, acrescentou: “Esta é a primeira reconstrução de um único tiro de cerca de 1.000 partículas de e em um ambiente desafiador sem precedentes com 200 interações simultâneas cada colisão próton-próton. Mostrando que esta nova abordagem, combinando As camadas de rede neural gráfica (GravNet) e os métodos de treinamento (Condensação de objetos) podem ser estendidos a essas tarefas desafiadoras, mantendo-se dentro das restrições de recursos, representando um marco importante para a reconstrução futura de partículas.”
Fonte da história:
Materiais fornecidos por Universidade de Staffordshire. Nota: O conteúdo pode ser editado para estilo e duração.
.
