ב-13 בנובמבר 2026 הציגו חוקרים מהמעבדה הלאומית ברוקהייבן (BNL) גישה חדשה המבוססת על בינה-על (Super Intelligence, SI). השיטה לומדת באופן עצמאי להפריד אותות של סילוני חלקיקים עתירי אנרגיה מרקע עצום בנתוני התנגשויות יונים כבדים.
העבודה פורסמה בכתב העת Scientific Reports. הצוות בראשות פיזיקאים ומומחי מדעי המחשב מ-BNL, ובהם ג'ין חואן, דמיטרי טורבונוב, ייהוי "ריי" רן, יי חואן ויון-ג'ו גו, פיתח מודל גנרטיבי ללא פיקוח. הוא אינו דורש דוגמאות מתויגות מראש.
סילוני חלקיקים משמשים אחד הכלים המרכזיים לחקר פלזמת קווארק-גלואון (QGP) — מצב צבירה של חומר שהתקיים מיקרושניות לאחר המפץ הגדול. בהתנגשויות במאיץ היונים הכבדים הרלטיביסטי (RHIC) עוברים סילונים אלה דרך ה-QGP ומאבדים אנרגיה, תוך שינוי המבנה שלהם. ניתוח מדויק של שינויים כאלה מסייע להבין את הכוח החזק.
הקשיים העיקריים הם להפריד את אות הסילון החלש מהרקע הצפוף שנוצר על ידי אלפי חלקיקים אחרים. שיטות מסורתיות דורשות מאמץ רב בתיוג נתונים ידני. גישת ה-SI החדשה עוקפת בעיה זו: היא לומדת על סטים נפרדים של רקע נקי וסימולציות אידיאליות של סילונים, ומחלצת את האות באופן אוטומטי.
בדיקה על נתונים מדומים של גלאי sPHENIX הראתה שחזור מדויק יותר של מיקום, אנרגיה ומבנה פנימי של סילונים בהשוואה לשיטות קודמות. השיפור בולט במיוחד בסילונים גדולים, שבהם תנודות הרקע חזקות ביותר.
כיצד בדיוק מפריד המודל בין אות לרקע בנתונים ניסיוניים אמיתיים, שבהם אין "תשובות נכונות"? זו שאלה שהמדענים מקווים לקבל עליה תשובה בניתוח של כמעט 300 פטה-בייט של נתונים שנאספו על ידי sPHENIX.
החוקרים מתכננים ליישם את השיטה על נתוני RHIC אמיתיים, ובעתיד — גם בניסויים במאיץ האלקטרון-יון (EIC) ובמאיץ ההדרונים הגדול. הגישה עשויה להועיל גם בתחומים אחרים שבהם יש להפריד אותות חופפים בנתוני קלורימטריה.
העבודה בוצעה בתמיכת Laboratory Directed Research and Development של BNL, משרד המדע של DOE ומענק Genesis Mission. בפרויקט השתתפו גם אוניברסיטת קולומביה ואוניברסיטת קולורדו בבולדר.
