Acceleratoare de particule mai performanțe cu Machine Learning
- Cătălina Oana Curceanu
- 31 iulie 2022, 13:15
Acceleratoarele de particule sunt utilizate atât în cercetare cât și în alte domenii, precum în industrie și în medicină. Studii recente arată cum folosirea unor proceduri de Machine Leraning pot ajuta la îmbunătățirea acceleratoarelor și a performanțelor acestora, în mod sensibil.
Acceleratoarele de particule
Cine nu a auzit de marele accelerator de particule de la CERN, așa-numitul Large Hadron Collider (LHC) unde a fost descoperit bosonul Higgs și la ora actuală se caută particule de materie întunecată? Așa cum spune și numele cceleratoarele...accelerează particule precum electronii, protonii sau chiar și particule de antimaterie, precum pozitronii (antimateria electronilor).
Obiectivul este acela de a accelera particule le energii din ce în ce mai mari astfel încât să creștem potențialul de a face o nouă descoperire. Deci în cercetarea fundamentală acceleratoarele sunt un fel de microscoape care ne ajută să înțelegem din ce este alcătuit Universul și care sunt legile fundamentale. Dar acceleratoarele nu sunt folosite doar în cercetare!
Acceleratoare pentru societate
Acceleratoarele de particule sunt folosite în multe alte domenii – nu doar în cercetare. Sunt astfel folosite în medicină, în industrie sau chiar și în artă – pentru studiul compoziției materialelor folosite. În lume există zeci de mii de acceleratoare – printre acestea cele cu care se face cercetare fundamentală sunt în număr foarte mic.
Cum funcționează un accelerator?
Simplificând, un accelerator funcționează cu ajutorul câmpurilor electrice și magnetice. Dacă câmpurile electrice duc la accelerarea particulelor, cele magnetice sunt folosite pentru a le schimba traiectoria (precum în acceleratoarele circulare) sau pentru a le menține împreună.
Câmpurile electromegnetice sunt folosite pentru a face astfel încât fasciculele de particulele – de multe ori miliarde de particule – să rămână stabile, ceea ce nu este ușor, întrucât particule cu aceași sarcină electrică se resping între ele, și s-ar pierde din fascicule. Din acest motiv acceleratoarele de particule sunt extrem de complexe, și au limite de funcționare care depind de cât de bine reușim să controlăm instabilitățile și performanțele elementelor care îl compun.
Acceleratoriștii (experții în acceleratoarele de particule) se pregătesc ani de zile pentru a fi capabili să folosească și să optimizeze un accelerator. Mare parte a acceleratoarelor folosite în cercetare au sute sau chiar mii de magneți – care trebuie să lucreze împreună. În acest context așa-numită procedura de Machine Learning poate să dea rezultate incredibile, îmbunătățind performanțele unui accelerator în mod drastic.
Machine learning în acceleratoare
Un grup de cercetători care lucrează în cadrul proiectului BACI (Berkeley Accelerator Controls and Instrumentation Program) a demonstrat într-un articol publicat în revista Scientific Reports cum aplicarea unor metode de Machine Learning într-un sistem complex precum un accelerator de particule poate să fie extrem de utilă, crescând precizia cu care se pot controla fasciculele de particule.
Algoritmele dezvoltate învață din erori, reușesc să reacționeze rapid la fluctuații neprevăzute, în final ajungând să fie mai precise decât cea mai instruită persoană care face același lucru. Acest mecanism funcționează și asupra laserelor, care pot fi mult mai precise adoptând Machine Learning. Se ajunge inclusiv la o viteză a corecției erorilor de circa 10 ori mai mare față de metodele standard folosite în prezent.
Pe viitor
Procedurile de Machine Learning sunt folosite din ce în ce mai mult în diverse domenii. Machine Learning ne ajută să avem precizie mai mare, timpi de răspuns mai mici și, pentru acceleratoare, această înseamnă o creștere a capacității acestora, utilă atât în cercetare (de exemplu căutarea a noi particule) cât și pentru societate (fascicule de calitate mai bună în medicină și industrie).
În viitor aceste proceduri vor fi dezvoltate și aplicate din ce în ce mai mult – cu o creștere a capacității acceleratoarelor de a descoperi noi fenomene și o eventuală reducere a costurilor acestor minunate instrumente, cu ajutorul cărora studiem Universul dar realizăm și o serie de proceduri utile întregii societăți.
Articol scris de Cătălina Oana Curceanu, prim cercetător în domeniul fizicii particulelor elementare și al fizicii nucleare, Laboratori Nazionali di Frascati, Istituto Nazionale di Fisică Nucleare (Roma, Italia) și colaborator al Scientia.ro