Обучение источников испускающих адроны с помощью глубоких нейронных сетей

Заглядывая внутрь крошечных космических фейерверков

Когда протоны сталкиваются друг с другом почти со скоростью света, они порождают крошечный, кратковременный «огненный шар» новых частиц. Внутри этого субатомного взрыва скрыта информация об одной из самых фундаментальных сил природы — сильном взаимодействии, которое «скрепляет» материю. В этой работе показано, как современные методы глубокого обучения могут считывать тонкие закономерности в данных таких столкновений, чтобы восстановить, где и как рождаются частицы, что даёт новые подсказки о поведении материи в экстремальных условиях, например в нейтронных звёздах.

Почему имеют значение крошечные расстояния

Сильное ядерное взаимодействие связывает протоны и нейтроны в атомных ядрах и определяет устройство всего — от обычных атомов до плотных ядер мёртвых звёзд. Физикам удалось довольно хорошо картировать силу между двумя протонами, опираясь на десятилетия экспериментов по рассеянию и теоретические модели. Но взаимодействия с участием более экзотических частиц, таких как гипероны (содержащие странные кварки), остаются гораздо менее изученными. Эти редкие частицы трудно исследовать напрямую, но они существенно влияют на поведение материи при экстремальных плотностях. Чтобы узнать о них больше, исследователи обращаются к высокоэнергетическим столкновениям в ускорителях, где мимолётные пары частиц образуются в большом количестве.

Используя квантовые рябления как микроскоп

В таких экспериментах учёные не видят места рождения частиц напрямую. Вместо этого они измеряют, как часто пары частиц выходят с разными относительными импульсами — по сути, насколько сильны их корреляции по траекториям. Метод, называемый фемтоскопией и вдохновлённый идеями радиастрономии, связывает эти корреляции как с силами между частицами, так и с формой области, из которой они испускаются. Традиционно анализы предполагали, что эта область испускания представляет собой гладкое колоколообразное облако. Однако более ранние исследования намекали, что реальность сложнее: распады короткоживущих промежуточных частиц могут создавать длинные «хвосты» далеко от центра, то есть истинный источник может значительно отличаться от простого колокола.

Пускаем данным рисовать собственную картину

Авторы предлагают новый, основанный на данных подход для восстановления области испускания без предположений о её форме. Они стартуют с надёжно проверенных моделей протон–протонного взаимодействия и используют их, чтобы вычислить, как гипотетический источник повлиял бы на наблюдаемые корреляции. Вместо выбора простой аналитической формулы для источника они представляют его с помощью глубокой нейронной сети, которая принимает на вход расстояние и выдаёт вероятность того, что пара протонов возникла на этом разделении. Автоматически дифференцируя через полные вычисления, они настраивают внутренние параметры сети так, чтобы предсказанная кривая корреляции как можно точнее согласовывалась с экспериментальными измерениями, одновременно обеспечивая базовые физические требования, такие как гладкость и неотрицательность.

Обнаружение источника с длинным хвостом

Когда этот источник, заданный нейросетью, сравнивают с традиционной колоколообразной моделью, он даёт существенно более точное описание данных по протон–протонным корреляциям из Большого адронного коллайдера. Восстановленный источник показывает выраженный дальний хвост: большая часть протонов по‑прежнему рождается в компактной центральной области, но заметная доля кажется исходящей с гораздо больших расстояний. Такая картина естественно согласуется с идеей, что многие протоны создаются косвенно, через короткоживущие резонансы, которые проходят некоторое расстояние прежде чем распасться. Важно, что сеть выявляет эту структуру прямо из данных, без необходимости предполагать, какие именно резонансы задействованы и в каком числе.

Изучение странной материи новым взглядом

Поскольку гипероны и протоны близки по массе и составу кварков, команда может повторно использовать найденный профиль испускания протонов для анализа пар протон–гиперон. Комбинируя источник, полученный из данных, с моделью силы между протоном и Лямбда-гипероном, они обнаруживают, что экспериментальные корреляции предпочитают относительно слабый привлекательный потенциал — что согласуется с ранними результатами с первого принципа на решётке квантовой хромодинамики. Таким образом подход предлагает новый, во многом свободный от предположений способ ограничивать плохо изученные взаимодействия в сильном секторе. Проще говоря, исследование демонстрирует, что глубокое обучение может превратить тонкие квантовые рябления в чёткое изображение мест рождения частиц, уточняя наше представление о сильном взаимодействии и прокладывая путь к будущим трёхмерным картам областей испускания частиц в тяжёлоионных столкновениях.

Цитирование: Wang, L., Zhao, J. Learning hadron emitting sources with deep neural networks. Commun Phys 9, 90 (2026). https://doi.org/10.1038/s42005-026-02530-w

Ключевые слова: сильное ядерное взаимодействие, глубокое обучение, высокоэнергетические столкновения, фемтоскопия, взаимодействие гиперон–нуклон