Электрон-ионный коллайдер EIC, возводимый в Соединенных Штатах, станет первым в мире ускорителем частиц, изначально спроектированным с использованием технологий искусственного интеллекта и машинного обучения. Этот новый комплекс создается в Национальной лаборатории Брукхейвена, расположенной в штате Нью-Йорк, и уже на стадии проектирования предполагает работу с огромными объемами информации, обработку которых традиционные подходы не позволяют осуществить эффективно.
После начала работы система будет регистрировать до полумиллиона столкновений частиц в секунду. Такая интенсивность потока данных приведет к тому, что для его классификации, отбора и восстановления последовательности событий потребуется использование алгоритмов машинного обучения, работающих в реальном времени. Именно потребность в обработке таких больших объемов информации повлияла на многие важные аспекты разработки всего комплекса.
Электрон-ионный коллайдер разрабатывается совместно Национальной лабораторией Брукхейвена и Национальной ускорительной лабораторией имени Томаса Джефферсона, входящей в структуру Министерства энергетики США. Более 300 научных организаций из разных стран мира участвуют в этом проекте. Затраты на строительство оцениваются в диапазоне от 1,7 до 2,8 миллиарда долларов, а запуск в эксплуатацию запланирован на середину 2030-х годов.
В отличие от предшествующих ускорителей, в которых системы искусственного интеллекта добавлялись уже после начала эксплуатации, EIC изначально разрабатывается как платформа с полным управлением на базе ИИ. К примеру, в релятивистском коллайдере тяжелых ионов RHIC, закрытом в феврале 2026 года, технологии машинного обучения были внедрены спустя некоторое время после запуска комплекса. Для нового ускорителя была сформирована международная группа EIC-BeamAI, которая создает интеллектуальные системы управления, используя существующую инфраструктуру Брукхейвена.
Ключевой сложностью при работе ускорителя является одновременный контроль большого количества параметров. Два потока частиц будут двигаться навстречу друг другу по кольцевой трассе длиной примерно 3,9 километра, близкой к скорости света, и для поддержания устойчивости потребуется постоянная корректировка настроек. По мнению профессора Корнеллского университета Георга Хоффштеттера де Торката, человеку крайне затруднительно непрерывно наблюдать за всеми параметрами ускорителя, поэтому функцию «контролера» возьмут на себя алгоритмы машинного обучения, способные самостоятельно оценивать состояние системы и автоматически изменять её конфигурацию.
Подобный метод уже применялся в ходе тестирования на предварительных ускорителях RHIC. Использование алгоритмов машинного обучения позволило достичь качества пучка, сопоставимого с результатами, получаемыми опытными операторами комплекса. Также система формирует цифровой двойник ускорителя – виртуальную модель, которая постоянно обновляется. Это дает возможность исследователям проводить проверки изменений, не затрагивая работу реального оборудования, и заблаговременно обнаруживать отклонения в работе магнитов, при необходимости безопасно прекращая функционирование системы до возникновения поломок.
Искусственный интеллект находят применение и при разработке детекторов. Для создания таких систем необходимо проводить значительное число компьютерных симуляций, в процессе которых исследователи проверяют различные материалы, геометрию и конструкцию оборудования. В рамках проекта AID2E, финансируемого Министерством энергетики США, ученые из Брукхейвена, Католического университета Америки, Университета Дьюка, Лаборатории Джефферсона и колледжа Уильяма и Мэри используют машинное обучение для оптимизации этого процесса.
Используя алгоритмы, ученые способны предсказывать, как модификация конструкции сказывается на эффективности детектора в распознавании частиц. Это позволяет анализировать гораздо большее количество конфигураций, чем это возможно при использовании обычных методов моделирования, при этом сокращаются и затраты на вычисления, и потребление энергии.
Сразу после включения коллайдера детектор ePIC, сопоставимый по размеру с жилым домом, будет производить до 100 гигабит данных в секунду. Для отделения значимых сигналов от помех в процессе столкновений частиц будут использоваться системы, основанные на искусственном интеллекте, работающие в реальном времени. После этого модели глубокого обучения займутся реконструкцией событий, преобразуя едва заметные следы, которые частицы оставляют внутри детектора, в точные определения энергии и импульса.
Ученые из Брукхейвена также создали алгоритм, позволяющий эффективно уменьшать объем данных, получаемых при столкновениях, при этом сохраняя всю необходимую информацию для физического анализа. Данная технология была проверена на установке RHIC и получила описание в журнале Patterns.
Как заявил научный руководитель Европейского исследовательского центра искусственного интеллекта Абхай Дешпанде, ключевая цель проекта – обеспечить полную готовность всех систем искусственного интеллекта к моменту начала работы коллайдера в середине 2030-х годов, чтобы они могли существенно ускорить процесс получения новых открытий в области физики элементарных частиц.