Чувствительность российского нейтринного телескопа повысят с помощью ИИ
Российские ученые разработали алгоритмы машинного обучения, способные в разы улучшить чувствительность и разрешение байкальского подводного нейтринного телескопа Baikal-GVD — одной из двух крупнейших нейтринных обсерваторий мира. Технология позволит сортировать полученные данные и сократить время на их анализ. Кроме того, у исследователей появится возможность изучать низкоэнергетические нейтрино, которые раньше были недоступны для датчиков.
Телескоп размещен на дне озера Байкал и представляет собой систему из 13 кластеров по 8 гирлянд с 36 оптическими модулями, закрепленными на них. Его эффективный объем составляет 0,6 км3. Обсерватория позволяет регистрировать нейтрино — мелкие элементарные частицы, которые образуются в результате ядерных реакций. Они не несут электрического заряда и почти не обладают массой. Особенно интересны нейтрино сверхвысоких энергий, которые также называют астрофизическими. Они формируются в космологических объектах — активных ядрах галактик или нейтронных звездах. Эти частицы перемещаются по Вселенной, свободно проникая практически сквозь любую материю.
Нейтрино могут взаимодействовать с молекулами воды, образуя заряженные частицы. Часть из них имеет скорость больше световой в водной среде, из-за чего возникает так называемое черенковское излучение. Детекторы телескопа, размещенные в оптических модулях, регистрируют образованные в результате этого процесса фотоны. Такие сигналы помогают прибору определить угол прилета нейтрино и их энергию. Именно по этим сведениям исследователи определяют местоположение и свойства космологических объектов, выпустивших их.
Для анализа данных, зарегистрированных байкальским телескопом, астрофизики из Московского физико-технического института (МФТИ) и Института ядерных исследований РАН разработали нейросеть. Она будет служить дополнением к существующим методам исследований и улучшит точность и скорость обработки информации. Искусственный интеллект (ИИ) способен помочь исследователям на всех этапах анализа данных — начиная с избавления от шумов и заканчивая реконструкцией энергии нейтрино. Кроме того, машинное обучение сможет изучать низкоэнергетические нейтрино, которые сейчас находятся за пределами чувствительности телескопа.
В частности, разработанная технология позволяет отделять сигналы, которые возникают из-за черенковского излучения, от натуральной люминесценцией воды – свечения, которое составляет до 90% собранной информации. С помощью ИИ специалисты также отсеивают события, вызванные широкими атмосферными ливнями — явлениями, при которых космические частицы сталкиваются с атомами воздуха и образуют новые мельчайшие объекты. В среднем, при каждом нейтринном событии фиксируется от 1 до 10 млн сигналов, спровоцированных такими ливнями.
Астрофизики с помощью новой разработки надеются оценить поток и энергетический спектр нейтрино, после чего изучить энергию и источники наиболее выдающихся событий. Эти наблюдения позволят построить наиболее точную и полную карту нейтринных источников Южного неба. Если нейросеть хорошо себя зарекомендует, ее можно будет адаптировать для других научных приборов: например, для гамма-обсерватории TAIGA — комплекса в Бурятии, предназначенного для изучения космических лучей, атмосферных ливней.
Ранее российские ученые выяснили природу происхождения космических облаков пыли. Оказалось, что важную роль играют плазмохимические процессы. Они также подтвердили возможность создания таких частиц в земных условиях.
