Der zukünftige Large Hadron Collider (LHC) wird viel mehr Daten produzieren als heute. Eine neue Methode mit künstlicher Intelligenz könnte Physikern helfen, sie zu sortieren.
Der LHC lässt Protonen kollidieren, um die kleinsten Bestandteile der Materie zu untersuchen. Seine zukünftige Version soll frühestens 2030 in Betrieb gehen. Sie wird etwa 40 Millionen Kollisionen pro Sekunde erzeugen, mit vier- bis fünfmal mehr gleichzeitigen Kollisionen als das heutige Maximum.
Das CMS-Experiment am LHC
Bild: CERN
Der CMS-Detektor muss die inmitten dieser Aktivität erzeugten Teilchen finden. Dafür erhält er HGCAL, ein Gerät mit etwa sechs Millionen Sensoren. Wenn ein Teilchen es durchquert, erzeugt es eine Kaskade neuer Teilchen. Diese Gesamtheit wird als Schauer bezeichnet.
Jeder Sensor zeichnet einen kleinen Teil dieser Schauer und ihrer Energie auf. Das Problem tritt auf, wenn sich mehrere Kaskaden vermischen. Die Software muss dann jedes Signal dem richtigen Ursprungsteilchen zuordnen. Diese Aufgabe wird besonders schwierig, wenn die Kollisionen fast am selben Ort stattfinden.
Die aktuellen Methoden versuchen, jeden Schauer direkt aus seinen Merkmalen zu rekonstruieren. Die neue Methode mit KI geht anders vor. Sie lernt zunächst, welche Signale sich ähneln und möglicherweise denselben Ursprung haben. Gleichzeitig trennt sie diejenigen, die von verschiedenen Teilchen zu stammen scheinen.
Ein zweiter Schritt führt dann die zugehörigen Signale zusammen. Diese Technik wird kontrastives Lernen genannt, da sie durch den Vergleich von Ähnlichkeiten und Unterschieden lernt. Die Forscher haben diese Methode mit dem aktuellen System anhand vollständig simulierter Daten verglichen.
In diesen Tests trennte der neue Ansatz die überlappenden Schauer besser. Er schätzte auch ihre Energie genauer. Sein Vorteil wuchs bei den Kollisionen mit den meisten Teilchen. Er blieb sogar bei Teilchenmengen und Energien effektiv, die in seinem Training nicht vorkamen.
Der Algorithmus muss nun in einer vollständigen Simulation von CMS und HGCAL bestehen. Weitere Tests werden dann zeigen, ob diese Methode die zukünftigen LHC-Kollisionen tatsächlich analysieren kann.