Stimuler la puissance de calcul pour l’avenir de la physique des particules

Une nouvelle technologie d’apprentissage automatique testés par une équipe internationale de scientifiques, y compris MIT Assistant du Professeur Philip Harris et postdoc Dylan Rankin, à la fois du Laboratoire des Sciences Nucléaires, peuvent spot particule spécifique signatures parmi un océan de Grand Collisionneur de Hadrons (LHC) de données en un clin d’œil.
Sophistiqué et swift, le nouveau système donne un aperçu dans le jeu de changement de rôle de l’apprentissage de la machine permettra de jouer dans de futures découvertes en physique des particules comme des ensembles de données de plus en plus grands et plus complexes.
Le LHC a crée quelques 40 millions de collisions par seconde. Avec de telles quantités de données à passer au crible, il faut de puissants ordinateurs pour identifier les collisions qui peuvent être d’intérêt pour les scientifiques, si, peut-être, un soupçon de matière noire ou une particule de Higgs.
Maintenant, les scientifiques, à Fermilab, le CERN, le MIT, l’Université de Washington et d’ailleurs ont testé une machine-système d’apprentissage que les vitesses de traitement de 30 à 175 fois par rapport aux méthodes existantes.
De telles méthodes permettent de traiter moins d’une image par seconde. En revanche, la nouvelle machine-système d’apprentissage peut examiner jusqu’à 600 images par seconde. Au cours de sa période de formation, le système appris à choisir un type spécifique de postcollision de particules modèle.
“La collision des schémas que nous identifier, en haut de quarks, qui sont l’une des particules fondamentales, nous sonder le Grand Collisionneur de Hadrons”, dit Harris, qui est un membre de l’équipe du Département de Physique. “Il est très important pour nous d’analyser autant de données que possible. Chaque morceau de données comporte des informations intéressantes sur la façon dont les particules interagissent.”
Ces données seront à affluer, comme jamais auparavant, après que le courant LHC les mises à niveau sont complètes; d’ici 2026, la 17-mile de l’accélérateur de particules devrait produire 20 fois plus de données comme il le fait actuellement. Pour rendre les choses encore plus pressante, les images à venir seront également pris à des résolutions plus élevées qu’elles ne le sont maintenant. En tout, les scientifiques et les ingénieurs estimer le LHC aura besoin de plus de 10 fois la puissance de calcul qu’elle a actuellement.
“Le défi de l’avenir de course,” dit Harris, “devient de plus en plus difficile, car nos calculs deviennent plus précises et nous sonder de plus en plus précise des effets”.
Les chercheurs du projet ont formé leur nouveau système pour identifier les images de quarks top, le plus massif type de particules élémentaires, certains 180 fois plus lourd que le proton. “Avec la machine-learning architectures disponibles pour nous, nous sommes en mesure d’obtenir de haute qualité scientifique des résultats de qualité, comparable à la meilleure du quark top algorithmes d’identification dans le monde,” Harris explique. “Mettre en œuvre des algorithmes de base à haute vitesse nous donne la flexibilité nécessaire pour améliorer LHC computing dans les moments critiques où il est le plus nécessaire.”