Fizik/Kimya

Parçacık Fiziğinin Geleceği İçin Bilgi İşlem Gücünü Artırmak

0

MIT bilim insanları tarafından ortaklaşa geliştirilen prototip makine öğrenme teknolojisi, geleneksel yöntemlere göre işlemeyi 175 kata kadar hızlandırıyor.

Nükleer Bilim Laboratuvarı’ndan MIT Yardımcı Doçent Philip Harris ve Doktor Dylan Rankin de dahil olmak üzere uluslararası bir bilim ekibi tarafından test edilen yeni bir makine öğrenme teknolojisi; yanıp sönen bir Büyük Hadron Çarpıştırıcısı (LHC) verisinin okyanusu arasında belirli parçacık imzalarını görebilen bir gözdür.

Sofistike ve hızlı olan yeni sistem; veri setleri büyüdükçe ve karmaşıklaştıkça, partikül fiziğinde gelecekteki keşiflerde öğreneceği “oyun değiştirme rolü”ne bir bakış açısı sağlar.

LHC her saniye yaklaşık 40 milyon çarpışma yaratır. Elde edilebilecek çok büyük miktardaki verilerle; belki de bir karanlık madde veya bir Higgs Parçacığı ipucu olduğunda, bilim insanlarının ilgisini çekebilecek çarpışmaları tanımlamak için güçlü bilgisayarlar gerekir.

Fermilab, CERN, MIT, Washington Üniversitesi ve diğer yerlerdeki bilim insanları; mevcut yöntemlere kıyasla işlemeyi 30 ila 175 kat hızlandıran bir makine öğrenme sistemini test ettiler.

Bu tür yöntemler şu anda saniyede bir görüntüden daha azını işlemektedir. Buna karşılık, yeni makine öğrenme sistemi; saniyede 600 görüntüye kadar inceleme yapabilir. Eğitim süresi boyunca; sistem belirli bir tip çarpışma sonrası parçacık paterni seçmeyi öğrendi.

MIT Fizik Bölümü Üyesi Yardımcı Doçent Philip Harris: “Tanımladığımız çarpışma desenleri, en üst kuarklar Büyük Hadron Çarpıştırıcısı’nda araştırdığımız temel parçacıklardan biri… Mümkün olduğunca çok veri analiz etmemiz çok önemli. Her veri parçası parçacıkların nasıl etkileşime girdiğiyle ilgili ilginç bilgiler taşır. ”

Bu veriler, mevcut LHC güncellemeleri tamamlandıktan sonra hiç olmadığı kadar yüksek olacak. 2026 yılına gelindiğinde ise; 17 kilometrelik parçacık hızlandırıcısının şu anda olduğu gibi 20 kat daha fazla veri üretmesi bekleniyor. Sorunları daha da baskı altına almak için gelecekteki görüntüler şimdi olduğundan daha yüksek çözünürlüklerde alınacaktır. Sonuçta, bilim insanları ve mühendisler; LHC’nin şu anda sahip olduğu bilgi işlem gücünün 10 katından fazlasına ihtiyaç duyacağını tahmin ediyor.

Projedeki araştırmacılar; yeni sistemlerini, protondan 180 kat daha ağır olan ve en büyük temel parçacık tipi olan top kuarkların görüntülerini belirlemek için eğitmişlerdir.

MIT Yardımcı Doçent Philip Harris: “Bize sunulan makine öğrenme mimarileriyle, dünyanın en iyi kuark tanımlama algoritmalarıyla karşılaştırılabilecek, yüksek kalitede bilimsel kalitede sonuçlar alabiliyoruz. Çekirdek algoritmalarının yüksek hızda uygulanması bize, en çok ihtiyaç duyulan kritik anlarda LHC hesaplamayı geliştirme esnekliği sağlıyor.”

Spread the love

Hedef Belirleme Özelliği Olan İlaçlarda Yeni Yöntem

Previous article

İlk Defa Elde Edilen Karmaşık Kuantum Işınlaması

Next article

Comments

Leave a reply

E-posta hesabınız yayımlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

Login/Sign up