在核物理的前沿，人工智能（AI）技术正开启一场革命，它将彻底改变粒子轨道重建的方式。这一领域的科学家们面临着数据处理的巨大挑战，尤其是在大型强子对撞机（LHC）这样的高能加速器中，粒子碰撞产生的次级粒子级联需要在极短的时间内被分析和记录。
传统上，探测器信号的处理系统被设计为「遗忘」大部分事件，只保留那些足够有趣的事件以供后续分析。然而，随着物理学家们寻求更深层次的发现，现有的重建方法已经无法满足需求。这就是人工智能技术的用武之地。
波兰科学院核物理研究所（IFJ PAN）的科学家们在【计算机科学】杂志上发表的研究指出，人工智能构建的工具可能是当前快速重建粒子轨道方法的有效替代方案。这项技术预计在未来两到三年内首次亮相，可能在支持寻找新物理学的MUonE实验中得到应用。
在高能物理实验中，粒子穿过探测器的多层结构，每穿过一层就在其中留下能量。重建这些粒子的路径是一项复杂的任务，尤其是在探测器占用率高、粒子轨迹相互靠近的情况下。而人工智能在识别通用模式方面的能力使其成为解决这一问题的强有力工具。
IFJ PAN的科学家们设计的深度神经网络由20个输入神经元、四个隐藏层（每层1000个神经元）和一个输出层（8个神经元）组成。这个网络通过200万个配置参数进行训练，使用40,000个模拟粒子碰撞和人工噪声进行学习。在测试阶段，只有命中信息被输入到网络中，人工智能能够准确地重建粒子轨迹。
MUonE实验将研究μ介子在电子上的散射，以更精确地确定强子校正的参数值，这对于理解μ介子异常磁矩与标准模型之间的差异至关重要。这一实验的成功不仅将推动物理学的发展，还可能证实未知物理学的存在。
随着MUonE实验的推进，克拉科夫的物理学家们将有机会验证他们创造的人工智能在实际碰撞情况下重建粒子轨道的能力。如果成功，这将标志着粒子检测技术新时代的开始，人工智能将在核物理领域发挥更加重要的作用。
参考资料：「Machine Learning based Event Reconstruction for the MUonE Experiment」
DOI： 10.7494/csci.2024.25.1.5690
