Neural Network Generalized Parton Distributions (NNGPD)

تخيل البروتون كمدينة صاخبة ومعقدة. لعقود من الزمن، حاول الفيزيائيون رسم خريطة لهذه المدينة، لكنهم لا يستطيعون رؤية الشوارع مباشرة. بدلاً من ذلك، هم لا يرون سوى "تقارير حركة المرور" (البيانات التجريبية) و"وثائق التخطيط العمراني" (الحسابات النظرية). الهدف من هذه الورقة البحثية هو إنشاء خريطة جديدة فائقة الذكاء للبنية الداخلية للبروتون، تُعرف باسم توزيعات الجزء المعممة (GPDs).

إليك شرح مبسط لما يفعله المؤلفون، باستخدام تشبيهات من الحياة اليومية:

المشكلة: الخريطة "العمياء"

يتكون البروتون من جسيمات صغيرة تسمى الكواركات. لفهم كيفية دوران البروتون وتماسكه، يحتاج العلماء إلى معرفة مكان وجود هذه الكواركات بالضبط وكيف تتحرك. هذه المعلومات هي الـ GPD.

ومع ذلك، فإن الحصول على هذه الخريطة أمر صعب للغاية بسبب مشكلتين رئيسيتين:

1. النافذة الضبابية (المشكلة العكسية الأولى): عندما ينظر العلماء إلى البروتون، فإنهم لا يرون الـ GPD مباشرة. بل يرون انعكاساً ضبابياً يسمى "عامل فورومبتون المدمج" (CFF). الأمر يشبه محاولة تخمين شكل شخص يقف خلف نافذة مغطاة بالضباب بمجرد النظر إلى ظله.
2. قطع الأحجية المفقودة (المشكلة العكسية الثانية): حتى لو استطاعوا رؤية الظل بوضوح، فإن تحويله مرة أخرى إلى الصورة الأصلية هو كابوس. الرياضيات المتضمنة تشبه محاولة إعادة بناء كعكة كاملة بمجرد تذوق فتات صغيرة منها. البيانات "مدمجة"، مما يعني أن التفاصيل المحددة (مثل الموقع الدقيق للكوارك) تكون مشتتة وممسوحة. غالباً ما تفشل الطرق الرياضية التقليدية هنا، مما يؤدي إلى إجابات مختلفة ومتضاربة (حلول متدهورة).

الحل: المهندس المعماري بالذكاء الاصطناعي

قام المؤلفان، زكي بانجشيري وسيمونيتا لوتي، ببناء أداة جديدة تسمى NNGPD (توزيعات الجزء المعممة بالشبكة العصبية). فكر في هذا كمهندس معماري ذكي جداً يعمل بالذكاء الاصطناعي.

بدلاً من استخدام صيغ رياضية جامدة وقديمة، يستخدمون شبكة عصبية عميقة. وهو برنامج حاسوبي يحاكي الدماغ البشري ويتعلم من خلال الأمثلة.

إليك كيف يعمل "المهندس المعماري بالذكاء الاصطناعي" الخاص بهم:

• بيانات التدريب: يتم تغذية الذكاء الاصطناعي بنوعين من الأدلة:
  1. "الظل" (CFFs): بيانات حقيقية من معجلات الجسيمات.
  2. "المخططات" (Lattice QCD): حسابات نظرية دقيقة للغاية من الحواسيب الفائقة تعمل كمرجع للحقيقة المطلقة.
• القواعد (قيود التماثل): لا يمكنك ترك الذكاء الاصطناعي يخمن بشكل عشوائي. لقد برمج المؤلفون فيه "قوانين مرور" فيزيائية صارمة. على سبيل المثال، يجب أن تبدو الخريطة متشابهة إذا قمت بقلبها بطرق معينة (التماثل). هذا يمنع الذكاء الاصطناعي من إنشاء خرائط مستحيلة أو غير منطقية.
• الخدعة السحرية: كانت الطرق التقليدية تحتاج إلى كومة ضخمة من البيانات (مثل أكثر من 20 قطعة من الأحجية) لتخمين شكل داخل البروتون، وحتى مع ذلك، كانت تفتقر إلى التفاصيل الصغيرة عند الحواف. ومع ذلك، تمكن ذكاء المؤلفين الاصطناعي من إعادة بناء الخريطة بدقة باستخدام عدد قليل جداً من قطع البيانات (5 أو 6 قطع فقط). إنه يشبه القدرة على رسم صورة شخصية مثالية لشخص ما بمجرد النظر إلى أذنه اليسرى وبصمة إصبع واحدة.

الاختبار: "اختبار الإغلاق"

قبل استخدام هذا الذكاء الاصطناعي على بيانات تجريبية حقيقية وفوضوية، كان على المؤلفين إثبات نجاحه. لقد أجروا "اختبار إغلاق".

تخيل أنهم أنشأوا خريطة مثالية مزيفة لبروتون (نموذج يسمى UVA2). ثم قاموا بما يلي:

1. حسبوا كيف ستبدو "الظلال" و"المخططات" لهذه الخريطة المزيفة.
2. أخفوا الخريطة الأصلية.
3. غدوا "الظلال" و"المخططات" في نظام الذكاء الاصطناعي الخاص بهم.
4. طلبوا من الذكاء الاصطناعي إعادة بناء الخريطة.

النتيجة: نجح الذكاء الاصطناعي في إعادة بناء الخريطة الأصلية بشكل شبه مثالي. وهذا يثبت أن الإطار العملي قادر على حل اللغز.

الخلاصة

لا تدعي هذه الورقة البحثية أنها تملك الخريطة النهائية للبروتون بعد. بدلاً من ذلك، هي تقدم إطار عمل جديد وقوي (NNGPD) يستخدم الذكاء الاصطناعي لحل مشكلة رياضية استعصت على الفيزيائيين لفترة طويلة.

لقد أظهروا أنه من خلال الجمع بين البيانات التجريبية وحسابات الحواسيب الفائقة واستخدام ذكاء اصطناعي يتبع القواعد، من الممكن استخراج صورة مفصلة للبنية الداخلية للبروتون باستخدام بيانات أقل بكثير مما كان يُعتقد سابقاً. الخطوة التالية، كما أشاروا، هي عمل مستقبلي، وهي تطبيق هذا الإطار على بيانات حقيقية من تجارب الجسيمات الفعلية.