Uma nova tecnologia de aprendizado de máquina testada por uma equipe internacional de cientistas, incluindo o professor assistente do MIT Philip Harris e o pós-doutorando Dylan Rankin, ambos do Laboratório de Ciência Nuclear, pode detectar assinaturas de partículas específicas em um oceano de dados do Large Hadron Collider (LHC) em um piscar de olhos.

Sofisticado e rápido, o novo sistema fornece um vislumbre do papel de mudança de jogo que o aprendizado de máquina desempenhará em futuras descobertas na física de partículas à medida que os conjuntos de dados se tornam maiores e mais complexos.

O LHC cria cerca de 40 milhões de colisões a cada segundo. Com uma grande quantidade de dados para filtrar, são necessários computadores poderosos para identificar as colisões que podem ser do interesse dos cientistas, se, possivelmente, uma sugestão de matéria escura ou uma partícula de Higgs.

Agora, cientistas do Fermilab, CERN, MIT, a Universidade de Washington, e em outros lugares testaram um sistema de aprendizado de máquina que acelera o processamento de 30 a 175 vezes em comparação com os métodos existentes.

Esses métodos atualmente processam menos de uma imagem por segundo. Em contraste, o novo sistema de aprendizado de máquina pode revisar até 600 imagens por segundo. Durante o período de treinamento, o sistema aprendeu a escolher um tipo específico de padrão de partículas pós-colisão.

"Os padrões de colisão que estamos identificando, quarks top, são uma das partículas fundamentais que investigamos no Grande Colisor de Hádrons, "diz Harris, que é membro do Departamento de Física do MIT. "É muito importante que analisemos o máximo de dados possível. Cada pedaço de dados carrega informações interessantes sobre como as partículas interagem."

Esses dados estarão fluindo como nunca antes depois que as atualizações atuais do LHC forem concluídas; em 2026, espera-se que o acelerador de partículas de 17 milhas produza 20 vezes mais dados do que atualmente. Para tornar as coisas ainda mais urgentes, as imagens futuras também serão tiradas em resoluções mais altas do que agora. Em tudo, cientistas e engenheiros estimam que o LHC precisará de mais de 10 vezes a capacidade de computação que possui atualmente.

"O desafio de correr no futuro, "diz Harris, "torna-se cada vez mais difícil à medida que nossos cálculos se tornam mais precisos e testamos efeitos cada vez mais precisos."

Os pesquisadores do projeto treinaram seu novo sistema para identificar imagens de quarks top, o tipo mais massivo de partícula elementar, cerca de 180 vezes mais pesado que um próton. "Com as arquiteturas de aprendizado de máquina disponíveis para nós, somos capazes de obter resultados de alta qualidade científica, comparável aos melhores algoritmos de identificação de quark top do mundo, "Harris explica." Implementar algoritmos de núcleo em alta velocidade nos dá a flexibilidade para aprimorar a computação do LHC nos momentos críticos onde ela é mais necessária. "

Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.