13 листопада 2026 року дослідники з Брукгейвенської національної лабораторії (BNL) представили новий підхід на основі суперінтелекту (Super Intelligence, SI). Метод самостійно вчиться відокремлювати сигнали високоенергетичних струменів частинок від величезного фону в даних зіткнень важких іонів.
Роботу опубліковано в журналі Scientific Reports. Команда під керівництвом фізиків і фахівців з інформатики з BNL, зокрема Джин Хуан, Дмитра Торбунова, Їхуя «Рея» Рена, Ї Хуан і Йонджі Го, розробила генеративну модель без учителя. Вона не потребує попередньо розмічених прикладів.
Струмені частинок слугують одним із ключових інструментів для вивчення кварк-глюонної плазми (QGP) — стану матерії, що існував мікросекунди після Великого вибуху. У зіткненнях на Релятивістському колайдері важких іонів (RHIC) ці струмені проходять крізь QGP і втрачають енергію, змінюючи свою структуру. Точний аналіз таких змін допомагає зрозуміти сильну взаємодію.
Головна трудність — відокремити слабкий сигнал струменя від щільного фону, створюваного тисячами інших частинок. Традиційні методи вимагають значних зусиль із розмічування даних вручну. Новий SI-підхід обходить цю проблему: він навчається на окремих наборах чистого фону та ідеальних симуляцій струменів, автоматично витягуючи сигнал.
Тестування на змодельованих даних детектора sPHENIX показало точніше відновлення положення, енергії та внутрішньої структури струменів порівняно з попередніми методами. Особливо помітне покращення для великих струменів, де флуктуації фону найсильніші.
Як саме модель розділяє сигнал і фон у реальних експериментальних даних, де немає «правильних відповідей»? Це питання, на яке вчені сподіваються отримати відповідь під час аналізу майже 300 петабайтів даних, зібраних sPHENIX.
Дослідники планують застосувати метод до реальних даних RHIC і в майбутньому — до експериментів на Електрон-іонному колайдері (EIC) та Великому адронному колайдері. Підхід може стати в пригоді й в інших галузях, де доводиться розділяти сигнали, що перекриваються, в калориметричних даних.
Роботу виконано за підтримки Laboratory Directed Research and Development BNL, DOE Office of Science і гранту Genesis Mission. У проєкті брали участь також Колумбійський університет і Університет Колорадо в Боулдері.
