Acceleratoarele de particule sunt utilizate atât în cercetare, cât și în alte domenii (industrie, medicină etc.). Studii recente arată cum folosirea învățării automate (o ramură a inteligenței artificiale) poate ajuta la îmbunătățirea substanțială a performanțelor acceleratoarelor de particule.
Acceleratoarele de particule
Cine nu a auzit de acceleratorul de particule de la CERN, Large Hadron Collider (LHC), unde a fost descoperit bosonul Higgs, iar în prezent se caută particule de materie întunecată?
Așa cum spune și numele, acceleratoarele… accelerează particule precum electronii, protonii sau chiar și particule de antimaterie, precum pozitronii (antimateria electronilor). Obiectivul este acela de a accelera particule la energii din ce în ce mai mari, astfel încât să creștem probabilitatea unor noi descoperiri. 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. Câmpurile electrice ajută la accelerarea particulelor, iar cele magnetice sunt folosite pentru a le schimba traiectoria (precum în acceleratoarele circulare) sau pentru a le menține împreună.
Câmpurile electromagnetice 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 aceeași 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 le compun.
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, învățarea automată (eng. machine learning) poate să dea rezultate incredibile, îmbunătățind performanțele unui accelerator în mod drastic.
Învățarea automată în acceleratoare
Un grup de cercetători care lucrează în cadrul proiectului BACI (Berkeley Accelerator Controls and Instrumentation Program) a arătat într-un articol publicat în revista Scientific Reports cum învățarea automată, folosită 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.
Algoritmii învață din erori, reușesc să reacționeze rapid la fluctuații neprevăzute, în final ajungând să fie mai preciși decât cea mai instruită persoană care face același lucru. Acest mecanism funcționează și în domeniul laserelor, care pot fi mult mai precise adoptând învățarea automată. Se ajunge astfel la o viteză a corecției erorilor de circa 10 ori mai mare față de metodele standard folosite în prezent.
Pe viitor
Algoritmii de învățare automată sunt folosiți din ce în ce mai mult în diverse domenii. Aceștia 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).
Învățarea automată va fi aplicată 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.