باحثون يدربون نموذج رؤية ذكياً لرصد اصطدامات الجسيمات في CERN

يستخدم الفيزيائيون في CERN نوعاً جديداً من الذكاء الاصطناعي لفهم سلوك جسيمات النيوترينو بشكل أفضل. تسافر هذه الجسيمات الدقيقة بطاقات هائلة، مما يخلق آثاراً متداخلة ومعقدة عند اصطدامها بأجهزة الكشف. وكان تفسير هذه البيانات تقليدياً عملية بطيئة وصعبة بالنسبة للتحليل اليدوي.

ولحل هذه المشكلة، طور الفريق نموذج Vision Transformer مخصصاً، صُمم للتركيز على البيانات المكانية ذات الصلة. وقد تم تدريب النموذج باستخدام التعلم الذاتي، مما يسمح له بالتعلم من خلال إعادة بناء أجزاء مخفية من بيانات الإدخال الخاصة به بدلاً من الاعتماد كلياً على الأمثلة التي يصنفها البشر.

تضمنت طريقة التدريب هذه مهاماً مثل تحديد التسلسل الهرمي للتفاعلات والتمييز بين أنواع مختلفة من رواسب الجسيمات. ومن خلال إتقان هذه الأنماط، أصبح النموذج فعالاً للغاية في تصنيف نكهات النيوترينو وإعادة بناء زخمها.

أظهرت اختبارات الأداء أن النموذج يعمل بكفاءة حتى مع وجود عدد قليل جداً من الأمثلة المصنفة. فعند تزويده بـ 1000 حدث مصنف فقط، حقق دقة تعادل النماذج القديمة التي تم تدريبها على كمية بيانات أكبر بعشر مرات. كما أظهر النموذج قدرة على نقل معرفته بين أنواع مختلفة من أجهزة الكشف.

وأشار الفريق البحثي أثناء تقييم قدرات النموذج التشخيصية إلى أن النظام مجبر على استنتاج الارتباطات المكانية غير المحلية بدلاً من مجرد نسخ البكسلات المرئية.

وعلى الرغم من أن النتائج واعدة في فيزياء الجسيمات، إلا أنها لا تزال تواجه قيوداً. فهذا النموذج ليس نموذجاً أساسياً شاملاً لجميع أجهزة الكشف بعد. كما لم يتم معايرة النظام ببيانات تجريبية من العالم الحقيقي، ولا يزال أداؤه يعتمد على مولدات المحاكاة المحددة المستخدمة أثناء التدريب.