Ученые РФ восьмикратно ускорили разработку ИИ для работы с ускорителями частиц

Главная идея заключается в автоматическом подборе оптимальных моделей ИИ без участия человека. Алгоритм сравнивает десятки вариантов нейросетей, обучает их на слегка измененных данных и проверяет стабильность работы. Так определяется, какая модель будет наиболее надежной и точной при анализе данных коллайдеров.

Руководитель проекта Федор Ратников отмечает, что подход подходит для любых систем машинного обучения и позволяет значительно сократить время поиска эффективной модели.

Для проверки алгоритма ученые использовали набор данных одного из датчиков ускорителя, измеряющего энергию и направление движения частиц. Эксперименты показали, что оптимальная модель подбирается за 41,5 тысячи попыток — в восемь раз меньше, чем при полном переборе всех вариантов.