ब्रुकहेवन प्रयोगशाला ने भारी आयन टकरावों में जेट संकेतों को अलग करने के लिए सुपर-इंटेलिजेंस आधारित विधि विकसित की

द्वारा संपादित: Svitlana Velhush

YouTube की सामग्रीYouTube अपनी कुकीज़ सेट कर सकता है।
YouTube पर खोलें
उच्च ऊर्जा पर टकराते नाभिक

13 नवंबर 2026 को ब्रुकहेवन राष्ट्रीय प्रयोगशाला (BNL) के शोधकर्ताओं ने सुपर-इंटेलिजेंस (Super Intelligence, SI) पर आधारित एक नई पद्धति प्रस्तुत की। यह विधि भारी आयन टकरावों के आंकड़ों में विशाल पृष्ठभूमि से उच्च-ऊर्जा कण जेटों के संकेतों को स्वयं सीखकर अलग करती है।

यह कार्य Scientific Reports पत्रिका में प्रकाशित हुआ है। BNL के भौतिकविदों और सूचना विज्ञान विशेषज्ञों के नेतृत्व वाली टीम, जिसमें जिन हुआंग, दिमित्री तोर्बुनोव, यिहुई «रे» रेन, यी हुआंग और योंगजू गो शामिल हैं, ने एक अनुशिक्षण-रहित जनरेटिव मॉडल विकसित किया। इसे पहले से अंकित किए गए उदाहरणों की आवश्यकता नहीं होती।

कण जेट क्वार्क-ग्लुऑन प्लाज़्मा (QGP) के अध्ययन के प्रमुख साधनों में से एक हैं — पदार्थ की वह अवस्था जो बिग बैंग के बाद सूक्ष्मसेकंड तक विद्यमान थी। रिलेटिविस्टिक हैवी आयन कोलाइडर (RHIC) पर होने वाले टकरावों में ये जेट QGP से गुज़रते हुए ऊर्जा खो देते हैं और अपनी संरचना बदल देते हैं। ऐसे परिवर्तनों का सटीक विश्लेषण प्रबल अन्योन्यक्रिया को समझने में सहायक होता है।

मुख्य कठिनाई है जेट के दुर्बल संकेत को हज़ारों अन्य कणों द्वारा उत्पन्न सघन पृष्ठभूमि से अलग करना। पारंपरिक विधियों में आंकड़ों को हस्तचालित रूप से अंकित करने का बड़ा परिश्रम लगता है। नई SI पद्धति इस समस्या से बच निकलती है: यह शुद्ध पृष्ठभूमि और जेटों के आदर्श अनुकरणों के अलग-अलग समुच्चयों पर प्रशिक्षण लेती है और स्वतः संकेत निकाल लेती है।

sPHENIX संसूचक के अनुकृत आंकड़ों पर परीक्षण ने पूर्व विधियों की तुलना में जेटों की स्थिति, ऊर्जा और आंतरिक संरचना के अधिक सटीक पुनर्निर्माण को दर्शाया। विशेष रूप से बड़े जेटों के लिए सुधार सबसे अधिक स्पष्ट है, जहाँ पृष्ठभूमि के उतार-चढ़ाव सबसे प्रबल होते हैं।

वास्तविक प्रायोगिक आंकड़ों में, जहाँ «सही उत्तर» उपलब्ध नहीं होते, मॉडल संकेत और पृष्ठभूमि को ठीक किस प्रकार अलग करता है? यह वह प्रश्न है जिसका उत्तर वैज्ञानिक sPHENIX द्वारा एकत्रित लगभग 300 पेटाबाइट आंकड़ों के विश्लेषण से पाने की आशा करते हैं।

शोधकर्ता इस विधि को RHIC के वास्तविक आंकड़ों पर और भविष्य में इलेक्ट्रॉन-आयन कोलाइडर (EIC) तथा लार्ज हैड्रॉन कोलाइडर के प्रयोगों पर लागू करने की योजना बना रहे हैं। यह पद्धति अन्य क्षेत्रों में भी उपयोगी हो सकती है, जहाँ कैलोरीमेट्रिक आंकड़ों में अतिव्यापी संकेतों को अलग करना पड़ता है।

यह कार्य BNL के Laboratory Directed Research and Development, DOE Office of Science और Genesis Mission अनुदान के समर्थन से किया गया। इस परियोजना में कोलंबिया विश्वविद्यालय और बोल्डर स्थित कोलोराडो विश्वविद्यालय भी शामिल थे।

4 दृश्य

स्रोतों

  • Super Intelligence Method Learns on Its Own to Single Out Jet Signals in Heavy-Ion Collision Data

टिप्पणियाँ

इस विषय पर अधिक लेख पढ़ें:

Gluons, not quarks, are the true custodians of the macrocosm’s finite nuclear-matter budget. RHIC’s swan-song data just exposed the sticky Y-junction that has locked baryon number in place since the Big Bang. Brand-new STAR Collaboration results show that the quantum label making

Image
Reply
क्या आपने कोई गलती या अशुद्धि पाई?हम जल्द ही आपकी टिप्पणियों पर विचार करेंगे।