500 миллионов столкновений для одной модели: EVENET проверили и на реальных данных

Можно ли обучить ИИ на искусственных столкновениях частиц, а затем использовать на настоящих? В работе, опубликованной 29 октября в Nature Machine Intelligence, исследователи представили EVENET: общую модель, предобученную на 500 миллионах симулированных событий. Она позволяет адаптировать одну основу к разным анализам вместо обучения каждой модели с нуля.

На вход поступает «облако» объектов одного столкновения. Общий трансформер строит представление события, а разные выходные модули классифицируют процессы, связывают объекты с исходными резонансами или восстанавливают недостающие части. Это похоже на общий навык чтения, который затем применяют к разным заданиям, только язык здесь — измерения детектора.

Схема: Hsu, Zhou, Liu и соавторы, рис. 1; CC BY 4.0, без изменений.

В тестах поиска гипотетических тяжёлых частиц предобученная версия в среднем улучшила показатель чувствительности примерно на 20% относительно XGBoost и на 10% относительно TabPFN. Это сравнение на конкретной сетке масс с ограничением: ожидаемый фон — не менее десяти событий. Табличные соперники получали подготовленные признаки, EVENET — облака объектов.

Важная проверка выходит за пределы симуляции: на открытых данных CMS удалось заново выделить известный ипсилон-мезон. Это проверка переноса, а не обнаружение новой частицы. Практический выигрыш — повторное использование дорогого предобучения. Для нового анализа всё равно нужны адаптация и проверка на его данных.

Обложка: Hsu, Zhou, Liu и соавторы, рис. 2; CC BY 4.0, без изменений.