在核物理的前沿，人工智能（AI）技術正開啟一場革命，它將徹底改變粒子軌域重建的方式。這一領域的科學家們面臨著數據處理的巨大挑戰，尤其是在大型強子對撞機（LHC）這樣的高能加速器中，粒子碰撞產生的次級粒子級聯需要在極短的時間內被分析和記錄。
傳統上，探測器訊號的處理系統被設計為「遺忘」大部份事件，只保留那些足夠有趣的事件以供後續分析。然而，隨著物理學家們尋求更深層次的發現，現有的重建方法已經無法滿足需求。這就是人工智能技術的用武之地。
波蘭科學院核物理研究所（IFJ PAN）的科學家們在【電腦科學】雜誌上發表的研究指出，人工智能構建的工具可能是當前快速重建粒子軌域方法的有效替代方案。這項技術預計在未來兩到三年內首次亮相，可能在支持尋找新物理學的MUonE實驗中得到套用。
在高能物理實驗中，粒子穿過探測器的多層結構，每穿過一層就在其中留下能量。重建這些粒子的路徑是一項復雜的任務，尤其是在探測器占用率高、粒子軌跡相互靠近的情況下。而人工智能在辨識通用模式方面的能力使其成為解決這一問題的強有力工具。
IFJ PAN的科學家們設計的深度神經網絡由20個輸入神經元、四個隱藏層（每層1000個神經元）和一個輸出層（8個神經元）組成。這個網絡透過200萬個配置參數進行訓練，使用40,000個模擬粒子碰撞和人工雜訊進行學習。在測試階段，只有命中資訊被輸入到網絡中，人工智能能夠準確地重建粒子軌跡。
MUonE實驗將研究μ介子在電子上的散射，以更精確地確定強子校正的參數值，這對於理解μ介子異常磁矩與標準模型之間的差異至關重要。這一實驗的成功不僅將推動物理學的發展，還可能證實未知物理學的存在。
隨著MUonE實驗的推進，克拉科夫的物理學家們將有機會驗證他們創造的人工智能在實際碰撞情況下重建粒子軌域的能力。如果成功，這將標誌著粒子檢測技術新時代的開始，人工智能將在核物理領域發揮更加重要的作用。
參考資料：「Machine Learning based Event Reconstruction for the MUonE Experiment」
DOI： 10.7494/csci.2024.25.1.5690
