AI が粒子加速器ビームがどのようなものかを教えてくれる

加速器内の粒子ビーム内で粒子がどのように分布するかをより正確に予測する人工知能アルゴリズムが開発され、ユーザーが「驚くほど少量のデータ」から非常に複雑な高次元のビーム形状を推測できることが示された。

粒子加速器は、現代物理学において最も重要な (そして最大の) 実験ツールの 1 つです。 粒子のビームを光速に近い速度で金属パイプを通して発射し、分子や最小の亜原子粒子の原子の挙動を研究します。

収集できる科学的に有用な情報を最大限に高めるには、特定の実験で粒子ビームがどのように動作するかを知ることが重要です。 加速器がますます高いエネルギーで動作し、より複雑なビームプロファイルを生成するため、これは特に重要です。

しかし、粒子の挙動を特定するのは簡単な作業ではありません。

粒子ビームには数十億個もの粒子が関与することが多いため、各粒子がどこに到達するかを単純に予測するだけでは済みません。

今回、カリフォルニアにある米国エネルギー省の SLAC (スタンフォード線形加速器センター) とシカゴ大学の研究者らは、加速ビーム内の粒子がどのように分布するかをより正確に把握するための機械学習アルゴリズムを開発しました。

SLAC 加速器科学者のライアン・ルーセル氏は、「加速器内で粒子ビームを操作するさまざまな方法はたくさんありますが、ビームの形状と運動量を正確に記述する方法はありません」と述べています。 「私たちのアルゴリズムは、通常は廃棄されるビームに関する情報を考慮に入れ、その情報を使用してビームのより詳細な画像を描画します。」

研究者は通常、統計的アプローチを使用して粒子の速度と位置を記述し、ビーム全体の大まかな形状を提供します。 しかし、潜在的に有用な情報がその過程で無視される可能性があります。

科学記事の最新情報を受信箱に直接配信します。

あるいは、科学者はビーム自体の測定を数多く行うことで、さまざまな実験条件下でビームがどのように見えるかを評価することもできます。 このような方法ではすでに機械学習が使用されている場合がありますが、膨大な量のデータと計算能力が必要です。

最新の研究で、チームは基本的に両方の方法の最良の要素を取り入れた機械学習モデルを構築しました。

彼らのアルゴリズムは、ビーム力学の知識を利用して、粒子の速度と位置の「位相空間分布」と総称されるものを予測します。

「ほとんどの機械学習モデルには、学習を高速化し、必要なデータ量を削減するための粒子ビーム力学の概念が直接含まれていません」と、SLAC 加速器科学者のオーリー・エデレン氏は述べています。 「私たちは、驚くほど少量のデータから非常に複雑な高次元のビーム形状を推測できることを示しました。」

研究チームは、イリノイ州シカゴ近くのエネルギー省アルゴンヌ国立研究所にあるアルゴンヌ・ウェイクフィールド加速器でモデルをテストした。 彼らは、粒子ビーム物理学を使用して、わずか 10 データ ポイントを使用して実験データを解釈することができました。粒子ビーム力学でトレーニングされていない機械学習モデルの場合、タスクには最大 10,000 データ ポイントが必要でした。

このモデルは現在、上下および左右の軸に沿って 4D ビーム位相空間で粒子ビームを再構成できます。 研究者らは、ビーム自体の方向に沿った粒子速度を含む完全な 6D 位相空間分布を目指して取り組んでいます。

この研究は『Physical Review Letters』に掲載されています。

AI アルゴリズムが粒子加速器ビームがどのようなものかを教えてくれるとして、当初は Cosmos によって公開されました。

Evrim Yazgin は、メルボルン大学で数理物理学を専攻する理学士号と物理学で理学修士号を取得しています。

事実を説明し、証拠に基づいた知識を大切にし、最新の科学、技術、工学の進歩を紹介することが、今ほど重要な時期はありません。 Cosmos は、人々と科学の世界を結び付けることに特化した慈善団体であるオーストラリア王立研究所によって発行されています。 財政的な貢献は、大小を問わず、世界が最も必要としているときに、信頼できる科学情報へのアクセスを提供するのに役立ちます。 今すぐ寄付または定期購読を購入して私たちをサポートしてください。