মার্কিন যুক্তরাষ্ট্রের গবেষকরা একটি মেশিন লার্নিং অ্যালগরিদম তৈরি করেছেন যা অল্প পরিমাণ প্রশিক্ষণ ডেটা থেকে কণা অ্যাক্সিলারেটর বিমের আকারগুলি সঠিকভাবে পুনর্গঠন করে৷ নতুন অ্যালগরিদমটি এক্সিলারেটর পরীক্ষার ফলাফলগুলি বোঝা সহজ করে তুলবে এবং দলের নেতার মতে তাদের ব্যাখ্যা করার ক্ষেত্রে অগ্রগতি হতে পারে রায়ান রাসেল এর SLAC ন্যাশনাল অ্যাক্সিলারেটর ল্যাবরেটরি.
কণা পদার্থবিদ্যার অনেক বড় আবিষ্কার আলোর গতির কাছাকাছি সময়ে কণার রশ্মি তাদের লক্ষ্যবস্তুতে আঘাত করলে কী ঘটে তা পর্যবেক্ষণ থেকে এসেছে। যেহেতু এই রশ্মিগুলি আরও শক্তিশালী এবং জটিল হয়ে ওঠে, ফলাফলগুলি নির্ভরযোগ্য রাখার জন্য তাদের গতিশীলতার উপর শক্ত নিয়ন্ত্রণ বজায় রাখা গুরুত্বপূর্ণ হয়ে ওঠে।
নিয়ন্ত্রণের এই স্তর বজায় রাখার জন্য, পদার্থবিদদের যতটা সম্ভব নির্ভুলভাবে মরীচির আকার এবং মোমেন্টা ভবিষ্যদ্বাণী করতে হবে। কিন্তু রশ্মিতে কোটি কোটি কণা থাকতে পারে এবং প্রতিটি কণার অবস্থান এবং মোমেন্টা পৃথকভাবে গণনা করতে প্রচুর পরিমাণে কম্পিউটিং শক্তি লাগবে। পরিবর্তে, পরীক্ষাকারীরা সরলীকৃত বিতরণ গণনা করে যা বিমের সামগ্রিক আকৃতি সম্পর্কে মোটামুটি ধারণা প্রদান করে। এটি গণনাগতভাবে সমস্যাটিকে ট্র্যাক্টেবল করে তোলে, তবে এর অর্থ এই যে রশ্মির মধ্যে থাকা অনেক দরকারী তথ্য ফেলে দেওয়া হয়।
"বর্তমান পদ্ধতির তুলনায় আরো সুনির্দিষ্টভাবে বীম নিয়ন্ত্রণ করতে পারে এমন এক্সিলারেটরগুলি বিকাশ করার জন্য, আমাদের অবশ্যই এই অনুমানগুলিকে অবলম্বন না করে পরীক্ষামূলক পরিমাপগুলিকে ব্যাখ্যা করতে সক্ষম হতে হবে," রাসেল বলেছেন।
এআই সহায়তা
SLAC এ দলের জন্য, AI এর ভবিষ্যদ্বাণীমূলক শক্তি, এবং কণার গতি ট্র্যাক করার জন্য উন্নত পদ্ধতি, একটি প্রতিশ্রুতিবদ্ধ সম্ভাব্য সমাধানের প্রস্তাব দিয়েছে। "আমাদের গবেষণায় বিস্তারিত মরীচি পরিমাপকে দক্ষতার সাথে ব্যাখ্যা করার জন্য দুটি নতুন কৌশল চালু করা হয়েছে," রাসেল ব্যাখ্যা করেছেন। "এই পদার্থবিদ্যা-অবহিত মেশিন লার্নিং মডেলগুলির সঠিক ভবিষ্যদ্বাণী করার জন্য প্রচলিত মডেলগুলির তুলনায় উল্লেখযোগ্যভাবে কম ডেটা প্রয়োজন।"
প্রথম কৌশল, রাসেল অবিরত, একটি মেশিন লার্নিং অ্যালগরিদম জড়িত যা কণা মরীচি গতিবিদ্যা সম্পর্কে বিজ্ঞানীদের বর্তমান বোঝার অন্তর্ভুক্ত করে। এই অ্যালগরিদমটি দলটিকে মাত্র কয়েকটি পরিমাপের উপর ভিত্তি করে ভ্রমণের মরীচির দিকনির্দেশের সমান্তরাল এবং লম্ব তিনটি অক্ষ বরাবর কণার অবস্থান এবং মোমেন্টার বিতরণ সম্পর্কে বিশদ তথ্য পুনর্গঠন করার অনুমতি দেয়। দ্বিতীয় কৌশলটি একটি চতুর গাণিতিক পদ্ধতি যা টিমকে মেশিন লার্নিং অ্যালগরিদম প্রশিক্ষণের জন্য ব্যবহৃত মডেলগুলিতে বিম সিমুলেশনগুলিকে একীভূত করতে সক্ষম করে। এটি অ্যালগরিদমের ভবিষ্যদ্বাণীর নির্ভুলতাকে আরও উন্নত করেছে।
রাসেল এবং সহকর্মীরা পরীক্ষামূলক ডেটা ব্যবহার করে এই কৌশলগুলি পরীক্ষা করেছেন Argonne Wakefield অ্যাক্সিলারেটর ইলিনয়ে মার্কিন যুক্তরাষ্ট্রের শক্তির আর্গননে ন্যাশনাল ল্যাবরেটরিতে। তাদের উদ্দেশ্য ছিল রৈখিক ত্বরণকারীর মধ্য দিয়ে বিমগুলি যাওয়ার পরে শক্তিমান ইলেকট্রন বিমের অবস্থান এবং গতির বন্টন পুনর্গঠন করা। "আমরা দেখতে পেয়েছি যে আমাদের পুনর্গঠন পদ্ধতি প্রচলিত পদ্ধতির তুলনায় সরল ত্বরণকারী পদার্থবিজ্ঞানের পরিমাপ থেকে মরীচি বিতরণ সম্পর্কে উল্লেখযোগ্যভাবে আরও বিস্তারিত তথ্য বের করতে সক্ষম হয়েছিল," রাসেল বলেছেন।
অত্যন্ত সঠিক ভবিষ্যদ্বাণী
তথ্যের মাত্র 10টি নমুনা দিয়ে তাদের মডেলকে প্রশিক্ষণ দেওয়ার পরে, গবেষকরা দেখতে পেয়েছেন যে তারা পরিমাপের সাধারণ সেটগুলির উপর ভিত্তি করে আরও 10টি নমুনায় অত্যন্ত নির্ভুলভাবে ইলেক্ট্রন বিমের গতিশীলতার ভবিষ্যদ্বাণী করতে পারে। পূর্ববর্তী পদ্ধতির সাথে, একই মানের ফলাফলের জন্য কয়েক হাজার নমুনার প্রয়োজন হতো।
এআই এবং কণা পদার্থবিদ্যা: একটি শক্তিশালী অংশীদারিত্ব
রাসেল বলেছেন, "আমাদের কাজ ত্বরক এবং রশ্মি পদার্থবিদ্যা সম্প্রদায়ের লক্ষ্যগুলি অর্জনের দিকে গুরুত্বপূর্ণ পদক্ষেপ নেয় যা কণার বিমগুলিকে পৃথক কণার স্তরে নিয়ন্ত্রণ করার কৌশলগুলি বিকাশের লক্ষ্যে।
গবেষকরা, যারা তাদের কাজ রিপোর্ট দৈহিক পর্যালোচনা চিঠি, আশা করি নতুন পদ্ধতির নমনীয়তা এবং বিশদ ভবিষ্যতের পরীক্ষার্থীদের পরীক্ষামূলক ডেটা থেকে সর্বাধিক পরিমাণে দরকারী তথ্য বের করতে সহায়তা করবে। সময়ের সাথে সাথে, এই ধরনের কঠোর নিয়ন্ত্রণ এমনকি পদার্থবিদদের পদার্থ এবং মহাবিশ্বের প্রকৃতি সম্পর্কে মৌলিক প্রশ্নের উত্তর দেওয়ার এক ধাপ কাছাকাছি নিয়ে আসতে পারে।
- এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
- প্লেটোএআইস্ট্রিম। Web3 ডেটা ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
- অ্যাড্রিয়েন অ্যাশলির সাথে ভবিষ্যত মিন্টিং। এখানে প্রবেশ করুন.
- PREIPO® এর সাথে PRE-IPO কোম্পানিতে শেয়ার কিনুন এবং বিক্রি করুন। এখানে প্রবেশ করুন.
- উত্স: https://physicsworld.com/a/particle-physicists-get-ai-help-with-beam-dynamics/