Ett team av forskare från CERN, Massachusetts Institute of Technology och Staffordshire University har implementerat en ny algoritm för att rekonstruera partiklar vid Large Hadron Collider.

Large Hadron Collider (LHC) är den mest kraftfulla partikelacceleratorn som någonsin byggts och sitter i en tunnel 100 meter under jorden vid CERN, European Organization for Nuclear Research, nära Genève i Schweiz. Det är platsen för långvariga experiment som gör det möjligt för fysiker över hela världen att lära sig mer om universums natur.

Projektet är en del av experimentet Compact Muon Solenoid (CMS) – ett av sju installerade experiment som använder detektorer för att analysera partiklarna som produceras av kollisioner i acceleratorn.

Ämnet för en ny akademisk uppsats "End-to-end multiple-particle reconstruction in high occupancy imaging calorimeters with graph neural networks" publicerad i European Physical Journal C , har projektet genomförts inför uppgraderingen av den stora hadronkollidern med hög ljusstyrka.

Projektet High Luminosity Large Hadron Collider (HL-LHC) syftar till att höja prestandan hos LHC för att öka potentialen för upptäckter efter 2029. HL-LHC kommer att öka antalet proton-proton-interaktioner i en händelse från 40 till 200.

Professor Raheel Nawaz, prorektor för digital transformation, vid Staffordshire University, har övervakat forskningen. Han förklarade att "att begränsa ökningen av datorresursförbrukningen vid stora pileups är ett nödvändigt steg för framgången för HL-LHC-fysikprogrammet och vi förespråkar användningen av moderna maskininlärningstekniker för att utföra partikelrekonstruktion som en möjlig lösning på detta problem ."

Han tillade att "det här projektet har varit både en fröjd och ett privilegium att arbeta med och kommer sannolikt att diktera den framtida riktningen för forskning om partikelrekonstruktion genom att använda en mer avancerad AI-baserad lösning."

Dr Jan Kieseler från avdelningen för experimentell fysik vid CERN tillade att "detta är den första engångsrekonstruktionen av cirka 1 000 partiklar från och i en aldrig tidigare skådad utmanande miljö med 200 samtidiga interaktioner varje proton-proton-kollision. Visar att detta nya tillvägagångssätt, som kombinerar dedikerade grafiska neurala nätverksskikt (GravNet) och träningsmetoder (Object Condensation) kan utökas till sådana utmanande uppgifter samtidigt som att hålla sig inom resursbegränsningar representerar en viktig milstolpe mot framtida partikelrekonstruktion."

Shah Rukh Qasim, leder detta projekt som en del av sin doktorsexamen. vid CERN och Manchester Metropolitan University, säger att "mängden framsteg vi har gjort med detta projekt under de senaste tre åren är verkligen anmärkningsvärd. Det var svårt att föreställa sig att vi skulle nå denna milstolpe när vi började."

Professor Martin Jones, vice rektor och verkställande direktör vid Staffordshire University, tillade att "CERN är ett av världens mest respekterade centra för vetenskaplig forskning och jag gratulerar forskarna till detta projekt som effektivt banar väg för ännu större upptäckter på flera år. kom."

"Artificiell intelligens utvecklas kontinuerligt för att gynna många olika branscher och att veta att akademiker vid Staffordshire University och på andra håll bidrar till forskningen bakom sådana framsteg är både spännande och betydelsefullt." + Utforska vidare

Large Hadron Collider varv upp till oöverträffad energinivå