Um seltene Prozesse aus Kolliderdaten zu finden, verwenden Wissenschaftler Computeralgorithmen, um den Typ und die Eigenschaften von Partikeln auf der Grundlage der schwachen Signale zu bestimmen, die sie im Detektor hinterlassen. Ein solches Teilchen ist das Tau -Lepton, das beispielsweise im Zerfall des Higgs -Boson hergestellt wird.
Der Tau Lepton hinterlässt einen Spray oder einen Strahl aus Partikeln mit geringer Energie, dessen subtiles Muster im Strahl sie von Jets unterscheidet, die von anderen Partikeln erzeugt werden. Der Jet enthält auch Informationen über die Energie des Tau -Lepton, die auf die Tochterpartikel verteilt ist und auf dem Weg verfallen ist. Derzeit verwenden die besten Algorithmen mehrere Schritte von Kombinatorik und Computer Vision.
ChatGPT hat eine viel stärkere Leistung bei der Ablehnung von Hintergründen als Computer-Vision-basierte Methoden gezeigt. In diesem Artikel zeigten die Forscher, dass solche sprachbasierten Modelle die Tau-Leptonen aus den Jetmustern finden und auch die Energie- und Zerfalleigenschaften genauer als zuvor bestimmen können.
Dies kann durch die Behandlung des Partikelstrahls als Satz erfolgen, wobei jedes Wort einem Partikel entspricht und die Beziehungen zwischen den Partikeln unter Verwendung des Transformator -Algorithmus gefunden wird. Solche Ansätze sind vielversprechend, da sie das Verhältnis von Signal zu Background in zukünftigen Analysen, an denen die Tau-Lepton beteiligt ist, wie die Suche nach Doppelhiggs-Produktion signifikant verbessern könnten.
Die Arbeit ist veröffentlicht in der Zeitschrift Computerphysikkommunikation.
Weitere Informationen:
Laurits Tani et al., Ein einheitlicher Ansatz für maschinelles Lernen zur Rekonstruktion hadronisch verfallener Tau -Leptons, Computerphysikkommunikation (2024). Doi: 10.1016/j.cpc.2024.109399
Bereitgestellt vom Estnischen Forschungsrat