Открытие бозона Хиггса в 2012 году стало прорывом, но с тех пор исследования стали ещё сложнее. Каждую секунду на Большом адронном коллайдере сталкиваются миллиарды протонов и лишь одно из миллиона столкновений может содержать бозон Хиггса. Для его поиска и изучения физики всё чаще обращаются к искусственному интеллекту (ИИ).
Бозон Хиггса:
- Существование длится менее 10-22 секунд.
- Не виден напрямую, только по продуктам распада.
- Распадается множеством способов: на два фотона, два Z-бозона, два W-бозона, b-кварки, тау-лептоны и другие частицы.
Главная проблема - фон. Сигнал от Хиггса теряется среди шума других процессов. Например, распад π0→γγ похож на H→γγ, а события с джетами напоминают H→bbˉ.
1. Классификация событий
Нейросети помогают различать сигнал (Хиггс) от фона (другие распады). В канале H→γγ используются свёрточные нейросети (CNN), анализирующие форму кластеров энергии в калориметре. Для H→bbˉ применяются графовые нейросети (GNN), отслеживающие следы распада b-кварков. ИИ повышает чистоту выборки Хиггса на 30–50% по сравнению с классическими методами.
2. Реконструкция энергии и импульса
Искусственный интеллект точнее измеряет:
- Энергию фотонов и лептонов.
- Направление джетов.
- Пропущенный поперечный импульс (сигнал нейтрино или тёмной материи).
Используются регрессионные нейросети и алгоритмы коррекции калибровки в реальном времени.
3. Поиск редких распадов
Некоторые распады Хиггса редки, но важны. Например, H→μμ имеет вероятность 1 на 5000, а H→Zγ был обнаружен только в 2023 году. ИИ помогает выделить эти события среди шума и увеличить чувствительность экспериментов. В 2023 году он подтвердил распад H→Zγ с достоверностью 3.4σ, что стало важным шагом в поиске новой физики.
4. Оптимизация триггеров
Триггер быстро решает, сохранять событие или нет. Из 40 миллионов столкновений в секунду сохраняется лишь около 1000. ИИ используется в триггерах 2-го и 3-го уровня в ATLAS и CMS. Нейросети анализируют данные в реальном времени и отбирают события, похожие на Хиггс. Например, в 2024 году ИИ в CMS увеличил эффективность отбора H→ττ на 40%.
5. Поиск отклонений от Стандартной модели
Физиков интересует, ведёт ли бозон Хиггса себя так, как предсказывает теория. ИИ ищет аномалии, такие как неожиданное усиление связи с мюонами или топ-кварками. Используются методы anomaly detection, включая автоэнкодеры и нормализационные потоки. Это «обратный подход»: не искать конкретный сигнал, а задавать вопрос: «Что здесь не так?»
- DeepJet (CMS): Идентификация b-джетов для повышения точности H→bbˉ.
- XGBoost / LightGBM: Анализ данных Хиггса для классификации событий.
- Graph Neural Networks (GNN): Реконструкция следов и поиск распадов с тяжёлыми кварками.
- Anomaly Detection Autoencoders (ATLAS, CMS): Поиск отклонений от Стандартной модели.
В 2025 году CERN и DeepMind запустили проект «AI for Higgs Physics». ИИ не только помогает в исследованиях, но и:
- Предлагает новые переменные для анализа.
- Оптимизирует геометрию детекторов в симуляциях.
- Формулирует новые гипотезы на основе данных.
Доктор Амара Сингх из CERN отмечает: «Мы переходим от „физик задаёт вопрос - ИИ ищет ответ“ к „ИИ видит паттерн - физик пытается его понять“».
Искусственный интеллект не заменяет физиков, но помогает им:
- Найти бозон Хиггса среди огромного объёма данных.
- Повысить точность и чувствительность измерений.
- Открыть путь к поиску новой физики через свойства Хиггса.
Сегодня каждое новое измерение параметров Хиггса - результат сотрудничества людей и машин. Чем глубже мы изучаем природу массы, тем яснее понимаем: будущее фундаментальной науки - за симбиозом интеллекта и данных.
«Симуэль» - где наука становится будущим. Подписывайтесь, пока вы ещё можете это понять.
