• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Меню

Московский институт электроники
и математики им. А.Н. Тихонова

Стажировка в ЦЕРН

Елена Орлова, студентка 4-го курса образовательной программы «Прикладная математика», приняла участие в работе летней студенческой школы в ЦЕРН (CERN – Европейская организация по ядерным исследованиям, Женева, Швейцария), где в составе команды разработчиков программного комплекса GeantV занималась моделированием прохождения элементарных частиц через вещество с использованием методов машинного обучения. 

ЦЕРН – это крупнейшая в мире лаборатория физики высоких энергий и родина Всемирной паутины (WWW – the World Wide Web), расположенная недалеко от Женевы на границе между Швейцарией и Францией. Лаборатория исследует элементарные частицы, разгоняя их в Большом адронном коллайдере (БАК) – кольцевом ускорителе длиной 27 км – почти до скорости света и сталкивая их между собой и с мишенями из обычного вещества. Именно здесь, в ходе экспериментов, проводимых в рамках программ ATLAS и CMS, в 2014 году обнаружили бозон Хиггса.

Этим летом в ЦЕРН прошла ежегодная студенческая школа, в которой принимают участие студенты со всего мира. Елена Орлова, студентка образовательной программы «Прикладная математика» департамента прикладной математики МИЭМ НИУ ВШЭ, также приняла участие в работе школы. В течение 9 недель участники посещали лекции и работали над реальными научными проектами под руководством ученых из ЦЕРН. Помимо учебной деятельности для студентов были организованы различные мероприятия: хакатоны, экскурсии в Цюрих, компании Google, OpenSystems, университеты ETH Zurich и EPFL Lausanne и многие другие неформальные события.

Приводим рассказ Елены о ее работе в ЦЕРН.

«Все началось с выполнения на 3-м курсе междисциплинарной курсовой работы «Расчет спектра электрона в сферически симметричных потенциалах», которая была посвящена вычислительным методам квантовой механики и выполнялась под руководством доцента департамента электронной инженерии МИЭМ НИУ ВШЭ Р.Ш. Ихсанова. Вычислительные методы физики оказались той увлекательной областью, в которой мне захотелось продолжить работу, и я подала заявку на участие в летней студенческой школе в ЦЕРН. Для этого потребовалось заполнить заявку на их сайте и попросить рекомендацию научного руководителя.

Мой проект в ЦЕРН был связан с моделированием прохождения элементарных частиц через вещество, а именно с расчетом ливней – каскадов вторичных частиц, образуемых при прохождении элементарных частиц через слой вещества в детекторе. Моделирование является важной частью анализа явлений прохождения элементарных частиц через вещество, начиная со стадии проектирования детектора и заканчивая окончательным сравнением экспериментальных данных с теоретическими моделями. Моделирование прохождения элементарных частиц через вещество в основном выполняется методами Монте-Карло, применение которых требует больших вычислительных ресурсов. Однако для обработки данных следующего поколения экспериментов на БАК даже имеющихся в распоряжении ЦЕРН весьма внушительных вычислительных ресурсов может не хватить. В связи с этим ученые пытаются разработать новые методы моделирования, и машинное обучение – один из них.

В своем проекте я реализовывала модель Generative Adversarial Networks (GANs – генеративные состязательные сети), представляющую один из самых новых и многообещающих подходов в таких областях как Computer Vision и Deep Learning. Идея данного подхода заключается в следующем. Имеется две нейронные сети: первая, называемая генератором, из вектора случайного шума генерирует изображения. Вторая, называемая дискриминатором, классифицирует изображения на настоящие и ложные. Достоинством данного подхода является то, что он позволяет моделировать любой тип детектора элементарных частиц.

Я работала с командой разработчиков программного комплекса GeantV, которая является мировым лидером в области расчетов прохождения элементарных частиц через вещество. Кстати, в команде довольно много ученых из России. Я реализовывала свой проект, используя фреймворки Keras и Neon, а также тестировала программу на различных ЦПУ и ГПУ-кластерах.

В проекте использовались реальные данные с детекторов, установленных на БАК. Помимо данных об энергии частицы, наша модель может предоставлять информацию о типе частицы и ее начальной энергии. Полученные нами результаты выглядят многообещающими, и команда разработчиков GeantV надеется, что их проект поможет физикам в ходе обработки данных новых экспериментов на БАК».