Model-independent searches and anomaly detection at the CMS experiment
यह शोध पत्र 13 TeV के 138 fb डेटा पर मशीन-लर्निंग-आधारित विसंगति पहचान (anomaly detection) का उपयोग करके CMS प्रयोग की नई भौतिकी के लिए मॉडल-स्वतंत्र खोज को प्रस्तुत करता है, जो टॉप क्वार्क्स की सफल अनसुपरवाइज्ड रिकवरी और 2024 के दौरान लेवल-1 ट्रिगर में अनसुपरवाइज्ड एल्गोरिदम की रियल-टाइम तैनाती को रेखांकित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक दशक से अधिक समय से, दुनिया का सबसे शक्तिशाली कण त्वरक (पार्टिकल एक्सेलेरेटर) प्रकाश की गति के करीब की गति पर प्रोटॉन को आपस में टकरा रहा है, ताकि उस ब्रह्मांड के निर्माण खंडों की खोज की जा सके जो हमारी वर्तमान समझ से परे है। वैज्ञानिक लंबे समय से संदेह करते रहे हैं कि मानक मॉडल (स्टैंडर्ड मॉडल), वह सिद्धांत जो सभी ज्ञात पदार्थ और बलों का सफलतापूर्वक वर्णन करता है, अधूरा है। उन्हें उम्मीद है कि उन्हें नए कण या छिपे हुए बल मिलेंगे जो डार्क मैटर जैसी गुत्थियों या ब्रह्मांड के अस्तित्व के कारणों को समझा सकें। हालाँकि, हिग्स बोसान की खोज के बावजूद, डेटा में कोई नया मौलिक कण दिखाई नहीं दिया है। इस सन्नाटे ने शोधकर्ताओं को अपनी रणनीति पर पुनर्विचार करने के लिए मजबूर कर दिया है। एक विशिष्ट जाल बनाने के बजाय जिसे वे वहां मौजूद होने की उम्मीद करते हैं, वे अब किसी भी ऐसी असामान्य चीज़ को पकड़ने की कोशिश कर रहे हैं जो उनके पास से तैरती हुई निकल जाए, चाहे वह कैसी भी दिखे। यह बदलाव एक शक्तिशाली विचार पर आधारित है: यदि ब्रह्मांड परिचित पैटर्न से भरा है, तो जो कुछ भी उन पैटर्नों को तोड़ता है, वह जांच के योग्य है, भले ही हमें अभी तक यह न पता हो कि वह क्या है।
सीर्न (CERN) में कॉम्पैक्ट म्यूऑन सोलेनॉइड (CMS) प्रयोग के शोधकर्ताओं ने विसंगतियों (anomalies) की खोज के लिए मशीन लर्निंग का उपयोग करके इस दृष्टिकोण को अपनाया है। एक हालिया अध्ययन में, उन्होंने 13 ट्रिलियन इलेक्ट्रॉन वोल्ट की ऊर्जा पर रिकॉर्ड किए गए 138 fb⁻¹ प्रोटॉन-प्रोटॉन टकराव डेटा के एक विशाल डेटासेट पर इस तकनीक को लागू किया। टीम ने टकराव के एक विशिष्ट प्रकार पर ध्यान केंद्रित किया जहाँ कणों की दो उच्च-ऊर्जा बौछारें, जिन्हें 'जेट्स' कहा जाता है, विपरीत दिशाओं में निकलती हैं। इन घटनाओं के विशाल बहुमत में, जेट्स सामान्य कणों जैसे क्वार्क्स या ग्लूऑन्स द्वारा बनाए जाते हैं, जो एक अनुमानित, अव्यवस्थित बौछार पैदा करते हैं। वैज्ञानिकों ने ऐसे जेट्स की तलाश की जो अलग थे—ऐसे जेट्स जिनमें एक जटिल आंतरिक संरचना थी, शायद भारी कण या क्षय (decay) की कई परतें शामिल थीं, जो उन्हें साधारण पृष्ठभूमि से अलग बनाती। उन्होंने यह धारणा नहीं बनाई कि ये नए कण क्या हो सकते हैं, न ही उन्होंने उनके द्रव्यमान या उनकी अंतःक्रिया का अनुमान लगाया। उन्होंने बस कंप्यूटर से पूछा कि एक सामान्य जेट कैसा दिखता है और फिर उसे किसी भी ऐसी चीज़ को चिह्नित करने के लिए कहा जो उस पैटर्न में फिट नहीं बैठती।
यह सुनिश्चित करने के लिए कि यह विधि काम करे, टीम ने पहले उस डेटा पर इसका परीक्षण किया जहाँ उत्तर पहले से ही ज्ञात था। उन्होंने एल्गोरिदम से टॉप क्वार्क को खोजने के लिए कहा, जो एक भारी कण है जो अच्छी तरह से समझा गया है लेकिन साधारण जेट्स के समुद्र में पहचानना कठिन है। बिना यह बताए कि टॉप क्वार्क क्या है या इसे पहचानने के लिए कोई लेबल दिए बिना, मशीन लर्निंग सिस्टम ने इन कणों वाले आयोजनों को सफलतापूर्वक अलग कर लिया। इसने पाया कि उनके आंतरिक ढांचे की संरचना बाकी सब से अलग थी। इस सत्यापन ने सिद्ध किया कि सिस्टम बिना किसी पूर्व-लिखित स्क्रिप्ट के कुछ नया पहचान सकता है। जब शोधकर्ताओं ने उसी तर्क को 138 fb⁻¹ प्रोटॉन-प्रोटॉन टकराव डेटा के पूर्ण डेटासेट पर लागू किया, तो उन्होंने किसी भी असामान्य घटनाओं के स्थानीय अधिशेष (localized excess) को स्कैन किया जो एक नए रेजोनेंस (resonance), या दो हल्के कणों में टूटने वाले भारी कण का संकेत दे सकता था।
परिणाम इस मॉडल-स्वतंत्र खोज की शक्ति का प्रमाण थे, लेकिन उन्होंने नई भौतिकी के संबंध में ब्रह्मांड के निरंतर सन्नाटे की भी पुष्टि की। अध्ययन में उपयोग किए गए पांच अलग-अलग मशीन लर्निंग तरीकों ने उन पारंपरिक खोजों की तुलना में बेहतर प्रदर्शन किया जो विशिष्ट प्रकार के कण हस्ताक्षरों की तलाश करते हैं। वे सूक्ष्म विसंगतियों को पकड़ने में सक्षम थे जिन्हें पुराने तरीकों ने छोड़ दिया होता, विशेष रूप से उन जटिल परिदृश्यों में जहाँ एक भारी कण कई छोटे टुकड़ों में टूट सकता है। फिर भी, इस बढ़ी हुई संवेदनशीलता के बावजूद, किसी भी एक पद्धति ने ज्ञात भौतिकी के अपेक्षित बैकग्राउंड से ऐसा विचलन नहीं पाया जो खोज का दावा करने के लिए पर्याप्त मजबूत हो। उन्होंने जो सबसे महत्वपूर्ण उतार-चढ़ाव देखे, वे किसी नए कण के बजाय यादृच्छिक सांख्यिकीय शोर (statistical noise) के अनुरूप थे। टीम ने नए प्रकार के कणों के अस्तित्व पर नई सीमाएँ निर्धारित कीं, जिससे प्रभावी रूप से उन द्रव्यमान श्रेणियों में कुछ संभावनाओं को खारिज कर दिया गया जहाँ पहले किसी अन्य खोज ने नहीं देखी थी।
रिकॉर्ड किए गए डेटा के ऑफलाइन विश्लेषण से परे, प्रयोग ने इस तकनीक को वास्तविक समय के निर्णय लेने के क्षेत्र में धकेला है। लार्ज हैड्रॉन कोलाइडर प्रति सेकंड 4 करोड़ बार टकराव उत्पन्न करता है, जो मानव ऑपरेटरों या मानक कंप्यूटरों के लिए प्रत्येक घटना की समीक्षा करने के लिए बहुत तेज़ है। आमतौर पर, एक 'ट्रिगर' नामक प्रणाली टकरावों को फ़िल्टर करती है, जो केवल उन्हीं को रखती है जो ज्ञात भौतिकी के आधार पर दिलचस्प दिखते हैं। CMS टीम ने अब इन त्वरित निर्णयों को लेने वाले हार्डवेयर पर सीधे दो अनसुपरवाइज्ड मशीन लर्निंग एल्गोरिदम स्थापित किए हैं। विशेष चिप्स पर चलने वाले ये एल्गोरिदम, बिना किसी पूर्व ज्ञान के, डिटेक्टर में कच्चे ऊर्जा जमाव का विश्लेषण करते हैं। 13.6 TeV की ऊर्जा पर 2024 के डेटा संग्रह अवधि के दौरान, इन प्रणालियों ने स्थायी भंडारण के लिए चार अरब से अधिक घटनाओं का चयन किया, जिससे दुर्लभ और ऊर्जावान प्रक्रियाओं को पकड़ा गया जिन्हें पारंपरिक ट्रिगर्स ने त्याग दिया होता। अब तक एकत्र किया गया डेटा दिखाता है कि सिस्टम अपने इरादे के अनुसार काम कर रहा है, जो Z बोसॉन और J/psi मेसॉन जैसे सुप्रसिद्ध कणों को उजागर करता है, जिससे यह सिद्ध होता है कि मशीन बिना यह जाने कि क्या खोजना है, दिलचस्प भौतिकी की पहचान कर सकती है।
इस कार्य का अंतिम लक्ष्य केवल एक एकल जेट के भीतर कणों की बौछार से आगे बढ़कर संपूर्ण घटना (event) तक विस्तार करना है। टकराव के वैश्विक आकार को देखकर, वैज्ञानिक उन विसंगतियों को खोजने की आशा करते हैं जो व्यक्तिगत टुकड़ों को देखने पर अदृश्य रहती हैं। हालांकि इस विशिष्ट अध्ययन में कोई नया कण नहीं मिला, लेकिन इसने डेटा को देखने का एक नया तरीका सफलतापूर्वक प्रदर्शित किया। इसने दिखाया कि अप्रत्याशित को खोजने के उपकरण मौजूद हैं, यहाँ तक कि एक ऐसे ब्रह्मांड में भी जो अब तक हठधर्मी रूप से शांत रहा है। शोधकर्ता सैद्धांतिक प्रस्तावों से व्यावहारिक अनुप्रयोग की ओर बढ़ गए हैं, उन्होंने अपने तरीकों को वास्तविक डेटा पर मान्य किया है और यह सिद्ध किया है कि वे केवल यह देखकर कि कोई कण बाकी सब से कैसे भिन्न है, उसके गुणों को परिभाषित कर सकते हैं। खोज जारी है, किसी विशिष्ट भूत की नहीं, बल्कि किसी भी ऐसे साये की जो वहां नहीं होना चाहिए।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।