Ngày 13 tháng 11 năm 2026, các nhà nghiên cứu từ Phòng thí nghiệm Quốc gia Brookhaven (BNL) đã trình bày một cách tiếp cận mới dựa trên siêu trí tuệ (Super Intelligence, SI). Phương pháp này tự học cách tách tín hiệu của các jet hạt năng lượng cao khỏi nền khổng lồ trong dữ liệu va chạm ion nặng.
Công trình được công bố trên tạp chí Scientific Reports. Nhóm nghiên cứu do các nhà vật lý và chuyên gia khoa học máy tính từ BNL dẫn đầu, bao gồm Jin Huang, Dmitry Torbunov, Yihui «Ray» Ren, Yi Huang và Yongju Guo, đã phát triển một mô hình sinh tạo không giám sát. Mô hình này không cần các ví dụ được gán nhãn trước.
Các jet hạt là một trong những công cụ chính để nghiên cứu plasma quark-gluon (QGP) — trạng thái vật chất từng tồn tại trong những micro giây sau Vụ nổ lớn. Trong các va chạm tại Máy va chạm ion nặng tương đối tính (RHIC), những jet này đi qua QGP và mất năng lượng, thay đổi cấu trúc của chúng. Việc phân tích chính xác những thay đổi như vậy giúp hiểu được tương tác mạnh.
Khó khăn chính là tách tín hiệu jet yếu khỏi nền dày đặc do hàng nghìn hạt khác tạo ra. Các phương pháp truyền thống đòi hỏi nỗ lực đáng kể để gán nhãn dữ liệu thủ công. Cách tiếp cận SI mới vượt qua vấn đề này: nó học trên các bộ riêng biệt gồm nền thuần khiết và các mô phỏng jet lý tưởng, tự động trích xuất tín hiệu.
Thử nghiệm trên dữ liệu mô phỏng của máy dò sPHENIX cho thấy việc khôi phục vị trí, năng lượng và cấu trúc bên trong của jet chính xác hơn so với các phương pháp trước đây. Cải thiện đặc biệt rõ rệt đối với các jet lớn, nơi dao động nền mạnh nhất.
Chính xác thì mô hình phân tách tín hiệu và nền như thế nào trong dữ liệu thực nghiệm thực tế, nơi không có «đáp án đúng»? Đây là câu hỏi mà các nhà khoa học hy vọng sẽ có câu trả lời khi phân tích gần 300 petabyte dữ liệu do sPHENIX thu thập.
Các nhà nghiên cứu dự định áp dụng phương pháp này cho dữ liệu thực tế của RHIC và trong tương lai — cho các thí nghiệm tại Máy va chạm electron-ion (EIC) và Máy va chạm hadron lớn. Cách tiếp cận này cũng có thể hữu ích trong các lĩnh vực khác, nơi phải tách các tín hiệu chồng lấp trong dữ liệu nhiệt lượng kế.
Công trình được thực hiện với sự hỗ trợ của chương trình Nghiên cứu và Phát triển do Phòng thí nghiệm chỉ đạo của BNL, Văn phòng Khoa học DOE và khoản tài trợ Genesis Mission. Dự án còn có sự tham gia của Đại học Columbia và Đại học Colorado tại Boulder.
