Meningkatkan Daya Komputasi Dengan Pembelajaran Mesin untuk Masa Depan Fisika Partikel

Teknologi pembelajaran mesin prototipe yang dikembangkan bersama oleh para ilmuwan MIT mempercepat pemrosesan hingga 175 kali dibandingkan metode tradisional

Sebuah teknologi pembelajaran mesin yang baru diuji oleh tim ilmuwan internasional termasuk Asisten Profesor MIT Philip Harris dan postdoc Dylan Rankin, keduanya dari Laboratorium Ilmu Nuklir, dapat menemukan tanda tangan partikel tertentu di antara samudra data Large Hadron Collider (LHC) dalam sekejap mata.

Canggih dan cepat, sistem baru ini memberikan gambaran sekilas tentang pembelajaran mesin peran yang berubah yang akan dimainkan dalam penemuan fisika fisika di masa mendatang saat kumpulan data menjadi lebih besar dan lebih kompleks.

LHC menciptakan sekitar 40 juta tabrakan setiap detik. Dengan sejumlah besar data untuk disaring, dibutuhkan komputer yang kuat untuk mengidentifikasi tabrakan yang mungkin menarik bagi para ilmuwan, apakah mungkin sedikit materi gelap atau partikel Higgs.

Sekarang, para ilmuwan di Fermilab, CERN, MIT, University of Washington, dan di tempat lain telah menguji sistem pembelajaran mesin yang mempercepat pemrosesan hingga 30 hingga 175 kali dibandingkan metode yang ada.

Metode seperti saat ini memproses kurang dari satu gambar per detik. Sebaliknya, sistem pembelajaran mesin yang baru dapat meninjau hingga 600 gambar per detik. Selama periode pelatihannya, sistem belajar untuk memilih satu jenis pola partikel postcollision tertentu.

“Pola tabrakan yang kami identifikasi, quark teratas, adalah salah satu partikel dasar yang kami selidiki di Large Hadron Collider,” kata Harris, yang merupakan anggota Departemen Fisika MIT. “Sangat penting kami menganalisis data sebanyak mungkin. Setiap bagian dari data membawa informasi menarik tentang bagaimana partikel berinteraksi. “

Data-data tersebut akan dituangkan tidak seperti sebelumnya setelah pemutakhiran LHC saat ini selesai; pada tahun 2026, akselerator partikel 17 mil diharapkan menghasilkan data 20 kali lebih banyak daripada saat ini. Untuk membuat masalah lebih mendesak, gambar masa depan juga akan diambil pada resolusi yang lebih tinggi daripada sekarang. Secara keseluruhan, para ilmuwan dan insinyur memperkirakan LHC akan membutuhkan lebih dari 10 kali kekuatan komputasi yang dimilikinya saat ini.

“Tantangan menjalankan masa depan,” kata Harris, “menjadi semakin sulit karena perhitungan kami menjadi lebih akurat dan kami menyelidiki efek yang semakin tepat.” Para peneliti di proyek itu melatih sistem baru mereka untuk mengidentifikasi gambar-gambar quark teratas, jenis partikel elementer paling masif, sekitar 180 kali lebih berat daripada proton.

“Dengan arsitektur pembelajaran mesin yang tersedia bagi kami, kami dapat memperoleh hasil berkualitas ilmiah tingkat tinggi, sebanding dengan algoritma identifikasi kuark teratas terbaik di dunia,” jelas Harris. “Menerapkan algoritma inti dengan kecepatan tinggi memberi kita fleksibilitas untuk meningkatkan komputasi LHC di saat-saat kritis di mana itu sangat dibutuhkan.”

sumber : https://scitechdaily.com/boosting-computing-power-with-machine-learning-for-the-future-of-particle-physics/

Divisi Komunikasi dan Informasi Himpunan Mahasiswa Sistem Informasi Universitas Tanjungpura Periode 2018/2019