Методы глубокого обучения как инструмент преодоления кризиса трекинга частиц в экспериментах на коллайдерах высокой светимости
Аннотации
Аннотация
Ключевым этапом офлайн-обработки экспериментальных данных HEP является реконструкция траекторий (треков) взаимодействующих частиц по данным измерений. Для современных экспериментов на коллайдерах высокой светимости, таких как HL-LHC и NICA, особой проблемой для отслеживания является очень высокая, мегагерцовая, частота взаимодействий, что приводит к увеличению интенсивности потока обрабатываемых данных на порядок и, кроме того, к значительному перекрытию данных о треках событий при их регистрации в трековых детекторах. Все эти обстоятельства, признанные физиками «кризисом отслеживания», показали, что используемые алгоритмы отслеживания недостаточно эффективны, точны и масштабируемы для обработки данных, полученных в экспериментах на коллайдерах высокой светимости.
Для преодоления этого кризиса в 2018 г. группа физиков из ЦЕРН и других физических центров в проекте HEPTrkX организовала конкурс TrackML для разработки новых решений задач отслеживания с использованием глубоких нейронных сетей. Подготовлен и опубликован на платформе Kaggle набор данных для их обучения и тестирования. Конкурс TrackML стимулировал множество важных исследований, приведших к разработке эффективных алгоритмов трекинга на основе графовых нейронных сетей, трансформаторов, а также к реанимации трекинга на основе нейронных сетей Хопфилда, улучшенных вычислительными средствами адиабатических квантовых компьютеров.
Накопленный за последнее десятилетие специалистами ЛИТ ОИЯИ опыт разработки алгоритмов трекинга на основе методов машинного обучения позволил активно включиться в исследования по преодолению проблем трекингового кризиса за счет не только использования информации из уже опубликованных результатов, но и оригинальных инноваций, учитывающих специфику отечественных детекторов в экспериментах на коллайдерах высокой светимости мегапроекта NICA в ОИЯИ. Представлен краткий обзор текущей работы, и обсуждаются ее перспективы.
