Нейросети на коллайдере: ИИ ищет физику, которую мы не заказывали

Представьте, что вы построили самый дорогой и сложный прибор в истории человечества — кольцо длиной 27 километров под границей Франции и Швейцарии — а он упорно подтверждает только то, что вы и так знали пятьдесят лет назад. Именно в такой ситуации оказались физики с Большим адронным коллайдером. Стандартная модель, описывающая устройство нашего мира, оказалась пугающе точной. Она предсказывает свойства частиц с точностью до триллионных долей, но при этом оставляет без ответов главные вопросы: что такое темная материя, куда делась антиматерия и почему у нейтрино вообще есть масса. Мы словно застряли в идеально чистой комнате, где всё разложено по полочкам, но мы точно знаем, что за стеной скрывается целый склад неизученного хлама.

Долгое время ученые искали конкретные вещи. Например, суперсимметрию — теорию, которая обещала целый зоопарк новых тяжелых частиц. Когда LHC запускали в 2008 году, молодые аспиранты были уверены, что суперсимметрия буквально «прыгнет им в лицо» в первый же год работы. Прошло восемнадцать лет, и энтузиазм поутих. Мы искали то, что ожидали увидеть, и ничего не нашли. Теперь физика элементарных частиц сворачивает на другой путь, где вместо человеческой интуиции и предвзятых теорий в игру вступает искусственный интеллект, обученный искать «просто что-то странное».

Ключевой инструмент здесь — обучение без учителя, в частности, автоэнкодеры. В индустрии их используют для обнаружения хакерских атак: нейросеть изучает нормальный трафик, сжимает его и пытается восстановить. Если трафик внезапно меняется, алгоритм не может его корректно восстановить и поднимает тревогу. Физики решили: заменим компьютеры в сети на элементарные частицы. Мы скармливаем ИИ данные о типичных столкновениях, и когда в детекторе пролетает что-то, что нейросеть не может «узнать» и сжать, она помечает это как аномалию. Это позволяет искать физику за пределами Стандартной модели, не имея даже примерного представления о том, как она должна выглядеть.

Проблема в том, что данных слишком много. Коллайдер производит 40 миллионов столкновений в секунду. Сохранить такой объем информации невозможно — диски просто сгорят. Поэтому решения о том, что оставить, а что выбросить, нужно принимать мгновенно. Здесь на сцену выходит «железо». Ученые из MIT и Фермилаба научились упаковывать нейросети в чипы FPGA (программируемые логические интегральные схемы). Эти системы анализируют события за 80 наносекунд. Это быстрее, чем человеческий мозг успевает осознать сам факт вспышки света. Мы буквально создаем «цифрового гения», который смотрит на мир иначе и фильтрует реальность в поисках трещин в мироздании.

Но даже самый умный алгоритм — это риск. В истории физики уже были случаи «Oops-Leon» (ложных открытий), когда статистические флуктуации принимали за новые частицы. Физики — народ осторожный: чтобы заявить об открытии, вероятность ошибки должна быть меньше одного на 3,5 миллиона. ИИ может найти аномалию, которая окажется просто шумом в детекторе или плохо подключенным кабелем. Поэтому нейросеть здесь не заменяет физика, а работает скаутом. Она говорит: «Эй, посмотри вот в этот угол, там происходит какая-то чертовщина». А дальше уже человек с карандашом и мелом должен решить, Нобелевская ли это премия или просто барахлит датчик.

Впереди нас ждет проект DUNE — гигантский детектор нейтрино, который будет ловить частицы-призраки, летящие сквозь 1300 километров горной породы. Там ИИ будет просеивать 5 терабайт данных в секунду в поисках следов сверхновых или распада протона. Мы наконец-то признали, что наши теории могут быть очками, которые не только помогают видеть, но и ослепляют нас, скрывая цвета, к которым мы не привыкли. Возможно, следующую великую истину о Вселенной обнаружит не новый Эйнштейн, а алгоритм, которому просто забыли сказать, что искать «невозможные» частицы не принято.

Главное: Физика переходит от проверки теорий к машинному поиску аномалий. Если Стандартная модель падет, то, скорее всего, под ударами алгоритмов, работающих на наносекундных скоростях.