Нейронная сеть типа Neural Simulation-Based Inference (NSBI) успешно справилась с проблемой квантовой интерференции и предоставила результаты, которые ученые планировали получить только через 15 лет традиционными методами.

История началась в 2017 году, когда руководитель коллаборации ATLAS поручил аспиранту Айшику Гошу разработать один из методов детектирования бозона Хиггса — частицы, ответственной за наделение массой других элементарных частиц. Бозон Хиггса был впервые обнаружен на БАК в 2012 году и образуется при высокоэнергетических столкновениях протонов.

Принципиальная сложность задачи заключалась в многовариантности процесса распада. При столкновении протонов могут образовываться W-бозоны, при слиянии которых возможно формирование бозона Хиггса.

Он, в свою очередь, распадается на Z-бозоны, которые затем превращаются в лептоны, включая электронно-позитронные пары. Критическая особенность процесса в том, что бозон Хиггса может отсутствовать в этой цепочке, что создает методологическую проблему — необходимость анализировать не наличие сигнала, а его отсутствие.

Ключевым препятствием для традиционного анализа стал эффект квантовой интерференции. Это явление аналогично интерференции волн на воде, но значительно сложнее из-за многомерности квантовых процессов. В таких условиях изучение отдельных путей распада частиц не позволяло получить точную картину происходящего.

Решение было найдено в применении нейросети NSBI, ранее не использовавшейся для подобного анализа. В отличие от традиционных методов, изучающих отдельные каналы распада, нейросеть моделировала всю совокупность процессов с учетом их взаимного влияния. Этот целостный подход значительно повысил точность анализа.

К декабрю 2024 года группа исследователей ATLAS опубликовала две научные статьи: первая описывала методологию, вторая представляла результаты повторного анализа архивных данных с применением нейросетевого подхода. Полученные характеристики бозона Хиггса оказались более точными, чем установленные традиционными методами.

«Одна из забавных особенностей этого метода, который Айшик так сильно продвигал, заключается в том, что каждый раз, когда мы делаем прогноз — вот насколько хорошо мы будем работать через 15 лет, — мы подчистую разбиваем эти прогнозы, — отмечают исследователи. — Так что сейчас нам приходится переделывать набор прогнозов, потому что мы уже сегодня достигли наших старых прогнозов на 15 лет вперёд».