एक नवीन प्रकार का तंत्रिका नेटवर्क बड़े भौतिकी की सहायता के लिए आता है -TGN

ग्राहम ने सीएनएन दृष्टिकोण में बदलाव करने की कोशिश की ताकि कर्नेल को छवि के केवल 3-बाय-3 अनुभागों पर रखा जा सके जिसमें कम से कम एक पिक्सेल हो जिसमें गैर-शून्य मान हो (और केवल खाली न हो)। इस तरह, वह एक ऐसी प्रणाली का निर्माण करने में सफल रहे जो हस्तलिखित चीनी भाषा की कुशलता से पहचान कर सके। इसने केवल 2.61 प्रतिशत की त्रुटि दर के साथ व्यक्तिगत पात्रों की पहचान करके 2013 की प्रतियोगिता जीती। (मनुष्यों ने औसतन 4.81 प्रतिशत अंक प्राप्त किए।) इसके बाद उन्होंने अपना ध्यान और भी बड़ी समस्या की ओर लगाया: त्रि-आयामी-वस्तु पहचान।

2017 तक, ग्राहम फेसबुक एआई रिसर्च में चले गए थे और उन्होंने अपनी तकनीक को और परिष्कृत किया था प्रकाशित विवरण पहले SCNN के लिए, जो कर्नेल को केवल उन पिक्सेल पर केंद्रित करता था जिनका मान शून्य नहीं था (बजाय कर्नेल को किसी 3-बाय-3 अनुभाग पर रखने पर जिसमें कम से कम एक “गैर-शून्य” पिक्सेल था)। यह सामान्य विचार था जिसे टेराओ कण भौतिकी की दुनिया में लेकर आए।

भूमिगत शॉट्स

टेराओ फर्मी नेशनल एक्सेलेरेटर प्रयोगशाला में प्रयोगों में शामिल है जो सबसे मायावी ज्ञात प्राथमिक कणों में से न्यूट्रिनो की प्रकृति की जांच करता है। वे ब्रह्मांड में द्रव्यमान के साथ सबसे प्रचुर मात्रा में कण हैं (यद्यपि बहुत अधिक नहीं), लेकिन वे डिटेक्टर के अंदर शायद ही कभी दिखाई देते हैं। परिणामस्वरूप, न्यूट्रिनो प्रयोगों के लिए अधिकांश डेटा विरल है, और टेराओ लगातार डेटा विश्लेषण के लिए बेहतर दृष्टिकोण की तलाश में था। उन्हें एससीएनएन में एक मिला।

2019 में, उन्होंने डीप अंडरग्राउंड न्यूट्रिनो एक्सपेरिमेंट या DUNE से अपेक्षित डेटा के सिमुलेशन के लिए SCNN लागू किया, जो 2026 में ऑनलाइन आने पर दुनिया का सबसे बड़ा न्यूट्रिनो भौतिकी प्रयोग होगा। यह प्रोजेक्ट शिकागो के ठीक बाहर, फ़र्मिलाब से न्यूट्रिनो को शूट करेगा। पृथ्वी के 800 मील के माध्यम से दक्षिण डकोटा में एक भूमिगत प्रयोगशाला तक। रास्ते में, कण तीन ज्ञात प्रकार के न्यूट्रिनो के बीच “दोलन” करेंगे, और ये दोलन विस्तृत न्यूट्रिनो गुणों को प्रकट कर सकते हैं।

एससीएनएन ने सामान्य तरीकों की तुलना में सिम्युलेटेड डेटा का तेजी से विश्लेषण किया, और ऐसा करने में काफी कम कम्प्यूटेशनल शक्ति की आवश्यकता होती है। आशाजनक परिणामों का मतलब है कि एससीएनएन का उपयोग संभवतः वास्तविक प्रायोगिक संचालन के दौरान किया जाएगा।

इस बीच, 2021 में, टेराओ ने फ़र्मिलाब में माइक्रोबूएन के नाम से जाने जाने वाले एक अन्य न्यूट्रिनो प्रयोग में एससीएनएन को जोड़ने में मदद की। यहां, वैज्ञानिक न्यूट्रिनो और आर्गन परमाणुओं के नाभिक के बीच टकराव के परिणामों को देखते हैं। इन इंटरैक्शन द्वारा बनाए गए ट्रैक की जांच करके, शोधकर्ता मूल न्यूट्रिनो के बारे में विवरण का अनुमान लगा सकते हैं। ऐसा करने के लिए, उन्हें एक एल्गोरिदम की आवश्यकता होती है जो डिटेक्टर के त्रि-आयामी प्रतिनिधित्व में पिक्सेल (या, तकनीकी रूप से, उनके त्रि-आयामी समकक्ष जिन्हें वोक्सल्स कहा जाता है) को देख सकता है और फिर यह निर्धारित कर सकता है कि कौन से पिक्सेल किस कण प्रक्षेपवक्र से जुड़े हैं।

चूँकि डेटा बहुत विरल है – एक बड़े डिटेक्टर (लगभग 170 टन तरल आर्गन) के भीतर छोटी-छोटी रेखाएँ – SCNN इस कार्य के लिए लगभग एकदम सही हैं। टेराओ ने कहा, एक मानक सीएनएन के साथ, छवि को 50 टुकड़ों में तोड़ना होगा, क्योंकि सभी गणनाएं की जानी हैं। “एक विरल सीएनएन के साथ, हम एक ही बार में पूरी छवि का विश्लेषण करते हैं – और इसे बहुत तेजी से करते हैं।”

समय पर ट्रिगर

MicroBooNE पर काम करने वाले शोधकर्ताओं में से एक फेलिक्स यू नाम का एक स्नातक प्रशिक्षु था। एससीएनएन की शक्ति और दक्षता से प्रभावित होकर, वह दक्षिणी ध्रुव पर आइसक्यूब न्यूट्रिनो वेधशाला से औपचारिक रूप से संबद्ध हार्वर्ड अनुसंधान प्रयोगशाला में स्नातक छात्र के रूप में अपने अगले कार्यस्थल पर उपकरण अपने साथ लाए।

वेधशाला का एक प्रमुख लक्ष्य ब्रह्मांड के सबसे ऊर्जावान न्यूट्रिनो को रोकना और उन्हें उनके स्रोतों तक वापस ढूंढना है, जिनमें से अधिकांश हमारी आकाशगंगा के बाहर स्थित हैं। डिटेक्टर में अंटार्कटिक बर्फ में दबे 5,160 ऑप्टिकल सेंसर शामिल हैं, जिनमें से केवल एक छोटा सा अंश ही किसी भी समय प्रकाश देता है। शेष सारणी अंधकारमय बनी हुई है और विशेष रूप से जानकारीपूर्ण नहीं है। इससे भी बदतर, डिटेक्टरों द्वारा रिकॉर्ड की गई कई “घटनाएँ” झूठी सकारात्मक हैं और न्यूट्रिनो शिकार के लिए उपयोगी नहीं हैं। केवल तथाकथित ट्रिगर-स्तरीय घटनाएं ही आगे के विश्लेषण के लिए जगह बनाती हैं, और तत्काल निर्णय लेने की आवश्यकता होती है कि कौन से लोग उस पदनाम के योग्य हैं और जिन्हें स्थायी रूप से अनदेखा कर दिया जाएगा।

(टैग्सटूट्रांसलेट)क्वांटा पत्रिका(टी)न्यूरल नेटवर्क(टी)कंप्यूटिंग(टी)भौतिकी(टी)खगोल विज्ञान(टी)न्यूट्रिनो(टी)कण भौतिकी