تكييف نماذج الرؤية-واللغة لتصنيف أحداث النيوترينو في فيزياء الطاقة العالية

لماذا تهم الجسيمات الدقيقة والآلات الذكية

النيوترينات جسيمات شبحية تمر عبر الكون وتتفاعل نادراً مع المادة، ومع ذلك فهي تحمل دلائل حول كيفية تطور المادة والكون. تستخدم تجارب النيوترينو الحديثة كواشف ضخمة تسجل هذه الاصطدامات النادرة كصور دقيقة الحبيبات، منتجة بيانات أكثر مما يمكن للبشر فرزه بمفردهم. تستعرض هذه الدراسة كيف يمكن لنوع جديد من الذكاء الاصطناعي، يُدعى نموذج الرؤية-اللغة، مساعدة العلماء على فرز هذه الأحداث وفهمها بدقة أكبر وبأسلوب أقرب إلى لغة البشر.

تحويل مسارات الجسيمات إلى صور

عندما يصطدم نيوترينو بذرات داخل كاشف أرجون سائل، يترك خلفه أثر مسارات لجسيمات مشحونة، يشبه إلى حد ما آثار الطائرات في السماء. يحول الكاشف هذه المسارات إلى صور بالأبيض والأسود مفصّلة من زوايا مشاهدة مختلفة. بنى الباحثون مجموعة بيانات محاكاة واقعية من مثل هذه الصور، تمثل تفاعلات من أنواع نيوترينو مختلفة، بالإضافة إلى فئة للخلفية حيث لا يمكن تحديد نوع النيوترينو بوضوح. تشكّل هذه الصور المادة الخام لتعليم الحواسيب كيفية تمييز نوع تفاعل عن آخر، وهو خطوة أساسية لدراسة كيف يغيّر النيوترينو نكهته أثناء سفره.

منح الذكاء الاصطناعي عينين وكلمات

تعتمد أنظمة التعرف على الصور التقليدية في الفيزياء على الشبكات العصبية الالتفافية أو المحولات البصرية الأحدث، وهي قوية لكنها تتصرف كصناديق سوداء تخرج أرقاماً دون تفسير. بدلاً من ذلك، عدّل الفريق نموذج رؤية-لغة كبير أصلاً طورته شركة ميتا، إذ يمكنه معالجة الصور والنصوص معاً وتوليد استجابات مكتوبة. قاموا بضبط هذا النموذج بدقة على صور النيوترينو باستخدام طريقة فعّالة تعدل جزءاً صغيراً فقط من مليارات الإعدادات الداخلية. أثناء التدريب، رأى النموذج أزواجاً من صور الكاشف مع إرشادات حول الأنماط التي تميّز كل نوع من التفاعلات، مثل المسارات الطويلة الضيقة أو الشُعَب الضبابية، وتعلم أن يخصّص كل حدث لإحدى ثلاث فئات.

كيف اختُبر النموذج

للحكم على مدى فعالية هذا النهج، قارن الباحثون نموذج الرؤية-اللغة ببديلين قويين: شبكة التلافيف المخصصة ومحولة بصرية كبيرة تنظر إلى الصور فقط. تدربت النماذج الثلاثة على نفس بيانات الكاشف المحاكية ثم قيّمت على أحداث لم ترها من قبل. قاس الفريق الدقة وإحصاءات ذات صلة، ولدى نموذج الرؤية-اللغة اشتقوا أيضاً درجات ثقة من احتمالاته الداخلية على الفئات الثلاث. دفعوا النماذج أيضاً بتقليل دقة الصورة، مقلّدين كاشفات ذات قنوات قراءة أقل أو بيانات مضغوطة، وبالتحقق مما إذا كان النظام لا يزال يتصرف بشكل معقول عندما تُعطى إرشادات أقل تفصيلاً.

ما كشفت عنه النماذج

طابق نموذج الرؤية-اللغة أداء المحول البصري أو تفوق عليه قليلاً في تصنيف الأحداث بشكل صحيح وتفوق بوضوح على شبكة التلافيف، بالرغم من أنه حدّث عدداً أقل بكثير من المعلمات أثناء التدريب. ظلّ كلا النظامين المعتمَدين على المحولات قويين عند خفض دقة الصور، بينما انخفض أداء نموذج التلافيف بشكل حاد. ميزة مميزة لنموذج الرؤية-اللغة هي قدرته أيضاً على توليد تفسيرات باللغة الطبيعية مرتبطة بالميزات المرئية في صور الحدث، مثل الإشارة إلى مسار طويل مستقيم يشبه ميووناً أو غياب مثل هذا المسار في أحداث التيار المحايد. رغم أن هذه التفسيرات لا تكشف حرفياً عن آليات عمل النموذج الداخلية، فإنها تمنح الفيزيائيين نافذة أكثر بديهية لفهم سبب اتخاذ قرار ما مقارنة بالأرقام الخام أو خرائط الحرارة وحدها.

نظرة مستقبلية للفيزياء والذكاء الاصطناعي

تخلص الدراسة إلى أن نماذج الرؤية-اللغة الكبيرة، عند تكييفها بعناية، يمكن أن تعمل كأدوات متعددة الاستخدامات لتجارب النيوترينو، مجمعة بين قوة التصنيف ووصف تفسيري نصي. هي أكثر تطلباً حسابياً من الشبكات الأبسط، لذلك ستظل النماذج الأخف مفضلة للمهام الزمن الحقيقي أو محدودة الموارد. ومع ذلك، للتحليلات غير الزمنية حيث الفهم والثقة ضروريان، تقدّم هذه النماذج متعددة الأنماط طريقة واعدة لبناء أنظمة "أساسية" قابلة لإعادة الاستخدام يمكن ضبطها لمكاشف وبيانات جديدة مع عمل إضافي ضئيل نسبياً. بهذه الطريقة، قد يساعد التعاون بين فيزياء الجسيمات والذكاء الاصطناعي المتقدم العلماء على قراءة البصمات الخافتة للنيوترينو بوضوح وثقة أكبر.

الاستشهاد: Sagar, D., Yu, K., Yankelevich, A. et al. Adapting vision-language models for neutrino event classification in high-energy physics. Commun Phys 9, 186 (2026). https://doi.org/10.1038/s42005-026-02688-3

الكلمات المفتاحية: تصنيف النيوترينو, نموذج رؤية-لغة, كاشف الأرجون السائل, فيزياء الطاقة العالية, التعلم الآلي في الفيزياء