← أحدث الأبحاث
⚛️ high-energy experiments

Vertex reconstruction for a search for neutron-antineutron conversions with HIBEAM

تقيم هذه الورقة وتقارن بين الطرق الكلاسيكية والطرق القائمة على الشبكات العصبية الرسومية لإعادة بناء رؤوس الفناء في تجربة HIBEAM، وتجد أنه بينما يحقق كلا النهجين دقة مماثلة لإحداثيات الرأس، فإن التعلم الآلي يقدم مزايا فريدة في استخراج معلومات شكل الحدث للتحليل اللاحق.

المؤلفون الأصليون: Alexander Burgman, Sze Chun Yiu, Yamna Shaikh, David Milstead, Eily Merjy, Lucas Åstrand, Kenneth Österberg, Fredrik Oljemark, Matthias Holl, Valentina Santoro, André Nepomuceno, Joshua L. Barrow

نُشر 2026-08-31
📖 4 دقيقة قراءة🧠 قراءة متعمّقة
CC BY 4.0

المؤلفون الأصليون: Alexander Burgman, Sze Chun Yiu, Yamna Shaikh, David Milstead, Eily Merjy, Lucas Åstrand, Kenneth Österberg, Fredrik Oljemark, Matthias Holl, Valentina Santoro, André Nepomuceno, Joshua L. Barrow

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

الكون مليء بالمادة، من النجوم في الأعالي إلى الذرات في أجسادنا، ومع ذلك يظل لغزاً عميقاً سبب وجود هذا القدر الهائل منها ومن القليل جداً من نقيضها، المادة المضادة. وفقاً لقوانيع الفيزياء كما نفهمها حالياً، كان ينبغي للانفجار العظيم أن يخلق كميات متساوية من كليهما، مما يؤدي إلى فنائهما فوراً، ولا يترك خلفهما شيئاً. ولتفسير سبب وجودنا، يبحث العلماء عن انتهاكات نادرة لقاعدة أساسية تسمى "حفظ العدد الباريوني". تنص هذه القاعدة على أن العدد الإجمالي للجسيمات الثقيلة، مثل البروتونات والنيوترونات، يجب أن يظل ثابتاً. فإذا استطاع نيوترون أن يتحول تلقائياً إلى نيوترون مضاد، فإن ذلك سيخرق هذه القاعدة ويقدم دليلاً على عدم التوازن الكوني. إن مثل هذا التحول يصعب رصده للغاية لأنه لم يُرَ من قبل، كما أن الإشارات التي قد ينتجها يسهل طمسها بسبب الضجيج الخلفي.

وللبحث عن هذا الحدث المراوغ، يجري التخطيط لتجربة من جيل جديد في "مصدر السبليشن الأوروبي" (European Spallation Source) في السويد. وتتضمن الخطة إرسال حزمة من النيوترونات الباردة عبر أنبوب محمي وإلى رقاقة معدنية رقيقة. إذا تحول نيوترون إلى نيوترون مضاد، فسيصطدم فوراً بالرقاقة وينفجر إلى وابل من الجسيمات المشحونة. والمفتاح لتحديد هذا الانفجار هو تحديد مكان حدوثه بدقة على الرقاقة. تستخدم التجربة كاشفاً كبيراً مملوءاً بالغاز، يسمى "غرفة إسقاط زمن التصوير" (time projection chamber)، والذي يسجل مسارات الجسيمات أثناء تطايرها. ومع ذلك، يرى الكاشف أيضاً جسيمات أخرى، مثل الإلكترونات المتشتتة بفعل الإشعاع الشارد، والتي يمكن أن تبدو مشابهة جداً للإشارة الأصلية. ويتمثل التحدي في فرز الانفجار الحقيقي عن الضجيج وتحديد مركز الحدث بدقة متناهية.

قام فريق من الباحثين مؤخراً باختبار مدى كفاءة طرق حاسوبية مختلفة في حل هذا اللغز باستخدام عمليات محاكاة تفصيلية لكاشف (HIBEAM). لقد أنشأوا الملايين من الأحداث الافتراضية حيث يفني نيوترون مضاد نفسه على الرقاقة، منتجاً بضعة بيونات مشحونة تسافر إلى الكاشف. ولجعل الاختبار واقعياً، قاموا بحقن مسارات خلفية إضافية، لمحاكاة الإلكترونات العشوائية التي سيراها الكاشف في تشغيل حقيقي. ثم قام الباحثون بتشغيل أربع استراتيجيات إعادة بناء مختلفة على هذه البيانات لمعرفة أي منها يمكنه الأفضل في حساب موقع الانفجار. استخدمت إحدى الطرق نهجاً إحصائياً كلاسيكياً استُخدم في الفيزياء لعقود، بينما اعتمدت طريقة أخرى على خدعة هندسية بحتة تتجاهل مفهوم المسارات تماماً. واستخدمت طريقتان أخريان تعلم الآلة الحديث، وتحديداً نوعاً من الذكاء الاصطناعي يسمى "الشبكة العصبية الرسومية" (graph neural network)، والتي تتعامل مع ضربات الكاشف كشبكة معلومات مترابطة لإيجاد الأنماط.

أظهرت النتائج أنه بالنسبة للهندسة البسيطة لهذا الكاشف المحدد، أدت الطرق الإحصائية التقليدية أداءً يضاهي أدوات تعلم الآلة الجديدة عندما يتعلق الأمر بإيجاد الإحداثيات الدقيقة للحدث. وفي غياب الضجيج الخلفي، تمكنت جميع الطرق من تحديد مركز الانفجار بدقة تصل إلى بضعة مليمترات. ومع ذلك، تصرفت الطرق بشكل مختلف عندما زاد الضجيج الخلفي؛ فقد كانت الطريقة الهندسية البحتة ونموذج تعلم الآلة الذي ينظر إلى الحدث ككل مستقرين للغاية، حيث لم تتغير دقتها إلا قليلاً حتى عند مضاعفة أو أربعة أضعاف عدد الإلكترونات الخلفية. وفي المقابل، بدأت الطريقة الإحصائية الكلاسيكية وسلسلة تعلم الآلة الهجينة الأكثر تعقيداً في المعاناة مع نمو الضجيج، مما أدى إلى إنتاج بعض التخمينات السيئة للغاية التي وسعت نطاق الخطأ بشكل كبير.

وعلى الرغم من الأداء المتشابه في إيجاد المركز، قدمت طرق تعلم الآلة شيئاً لم تستطع الطرق الأخرى تقديمه؛ فقد وفرت معلومات إضافية حول شكل الحدث، مثل عدد الجسيمات التي يُحتمل وجودها ودرجة الثقة لكل تخمين. هذه البيانات الإضافية قيمة لأنها تساعد العلماء لاحقاً في تقرير ما إذا كان الحدث اكتشافاً حقيقياً أم مجرد صدفة عابرة. وخلصت الدراسة إلى أنه بينما تعتبر الطرق الكلاسيكية كافية للمهمة الأساسية المتمثلة في إيجاد الرأس (vertex)، فإن مناهج تعلم الآلة تقدم صورة أكثر ثراءً للحدث. كما وجد الباحثون أنه إذا خففوا القواعد لقبول الأحداث التي تحتوي على مسار مرئي واحد فقط، فيمكنهم رصد كل حدث تقريباً، ولكن موقع الانفجار سيصبح أقل يقيناً بكثير. وفي النهاية، يشير العمل إلى أن المسار الأفضل لهذا البحث تحديداً قد يكون الجمع بين موثوقية الطرق التقليدية والقدرة الوصفية لتعلم الآلة لضمان أنه إذا تحول نيوترون إلى نيوترون مضاد، فإن التجربة لن تجده فحسب، بل ستفهمه تماماً.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف ⚛️ hep-ex →