В России ИИ научили подбирать настройки ускорителей частиц

Наука2 мин чтенияПо материалам naked-science.ru

В России ИИ научили подбирать настройки ускорителей частиц

Исследователи НИУ ВШЭ и Института ядерной физики имени Г. И. Будкера СО РАН разработали программу RLABC для подбора настроек ускорителей частиц. В компьютерном эксперименте она помогла провести до конца канала около 70% частиц, подбирая параметры магнитов с помощью обучения с подкреплением.

Ускорители разгоняют заряженные частицы — например, электроны и протоны — и формируют из них узкие пучки. Электрические поля отвечают за разгон, а магниты направляют и фокусируют частицы. Если настройки магнитов выбраны неудачно, часть пучка отклоняется от траектории и теряется.

Как работает программа

Подбор настроек осложняется тем, что изменение параметров одного магнита влияет на прохождение пучка через последующие элементы. Поэтому специалистам приходится искать удачное сочетание десятков параметров — как при проектировании ускорителя, так и после запуска установки.

RLABC связывает алгоритмы машинного обучения с программой Elegant, которую физики используют для расчёта движения пучков. Нейросеть поочерёдно задаёт параметры магнитов в компьютерной модели, а Elegant рассчитывает результат. Затем программа передаёт его нейросети вместе с оценкой действия: чем больше частиц удалось провести дальше, тем выше оценка. После множества таких попыток алгоритм корректирует настройки.

Разработку проверили на модели, созданной на основе комплекса ВЭПП-5 Института ядерной физики СО РАН. В ней было 11 магнитов и 37 настраиваемых параметров. В среднем до конца канала доходило около 70% частиц. Для сравнения, при подборе всех 37 параметров результат составлял примерно 66%.

Испытания и дальнейшие планы

Учёные также проверили RLABC на модели с другой схемой расположения магнитов — там программа провела 71% частиц. По словам исследователей, найденные решения сопоставимы с настройками, которые предлагают специалисты по ускорительной технике. При этом возможности программы ещё предстоит проверить на более сложных транспортных каналах.

Авторы рассчитывают, что RLABC сможет предлагать операторам подходящие настройки и брать на себя часть рутинной работы. Окончательное решение, по их замыслу, останется за человеком. В дальнейшем программу планируют испытать на реальных ускорителях. Её код опубликован открыто, поэтому другие исследователи смогут использовать и дорабатывать разработку.

Исследование опубликовано в журнале Computer Physics Communications. Работа выполнена при поддержке гранта для исследовательских центров в области искусственного интеллекта, предоставленного Минэкономразвития России.

Naked Science
Как вам новость?
Главные новости космоса — в TelegramКоротко, сразу как выходят, и дайджест дня в 20:00 МСКЧитать оригинал →
Следующая новостьИИ повысил точность прогнозов погоды на срок до месяцаМетод вероятностной коррекции смещения сделал субсезонные прогнозы температуры, осадков и давления заметно точнее климатической нормы.