世界で最も野心的なニュートリノ実験の一つである深地下ニュートリノ実験（Deep Underground Neutrino Experiment、略称 DUNE）は、宇宙で最も捉えにくい粒子を捕らえることに取り組んでいますが、これらの瞬時の信号を探す過程には人工知能の応用が関わるかもしれません。南ダコタ州の地下1マイルに位置するこの大型検出器が徐々に形を成す中、研究者たちは大量のデータをフィルタリングし、ニュートリノの相互作用を特定し、超新星の兆候を検出し、さらには検出器内部の問題を検出するための人工知能システムを開発しています。
この変革は、DUNE規模の粒子物理実験における科学者の運営方法を根本的に変えるでしょう。例えば、人工知能はほぼリアルタイムで重要なイベントを特定し、研究者が最も調査する価値のある信号に焦点を合わせる手助けをし、膨大なデータの伝統的な分析を待つ必要がなくなります。DUNEの代表であるSowjanya Gollapinniは、「これらの方法はDUNEの稼働プロセスと実験の感度を加速する上で重要な役割を果たし、私たちが完全な発見の可能性に到達するのを助けるでしょう。」と述べています。
人工知能がニュートリノ実験のデータ分析を加速する
ニュートリノは非常に研究が難しい粒子と考えられています。毎秒数兆のニュートリノが私たちの体を通過しますが、他の粒子とほとんど相互作用しないため、これを検出するには巨大な検出器と強力なニュートリノビームが必要です。Fermilabは強力なニュートリノビームを生成し、このビームは南ダコタ州のSanford Underground Research Facilityの検出器に向かい、液体アルゴンで満たされた巨大な室内でニュートリノがアルゴン原子と衝突した際に残る微小な痕跡を記録します。
このように大量のアルゴンを適切な状態に保つこと自体が大きな工事上の挑戦です。DUNE計画の2つの遠方検出器の冷却装置は、最終的にそれぞれ約17,000トンの液体アルゴンを収容し、約-300°Fの低温を維持します。これらの巨大な低温容器は、検出器の正常な動作を確保するためにアルゴンの低温を維持しなければなりません。しかし、ニュートリノが検出された後も問題は終わりません。各相互作用は複数の粒子を生成する可能性があり、各粒子がアルゴン中に残す軌跡を科学者が逆に追跡して、衝突が発生した場所、生成された粒子、元のニュートリノのエネルギーと方向を特定する必要があります。
DUNEは人工知能と粒子物理の典範となる
Fermilabの研究者たちは、機械学習がこのプロセスをより迅速にするかどうかを数年にわたってテストしてきました。MicroBooNE実験は、液体アルゴン検出器の画像を分析するために深層ニューラルネットワークを使用した最初の高エネルギー物理実験の一つです。DUNEはこの方法をさらに高めています。DUNEの人工知能システムは、非常に高解像度でほぼ写真品質の相互作用画像を生成することができ、これは大きな利点ですが、同時に挑戦ももたらします。なぜなら、私たちが見る詳細があまりにも精緻で、再構築プロセスがより困難になる可能性があるからです。」
DUNEの人工知能専門家Leigh Whiteheadは述べています。
DUNEの人工知能システムは、銀河系内の超新星というより希少な現象も探します。巨大な星が崩壊して爆発すると、ニュートリノがその内部から逃げ出し、光が見える前に地球に到達します。これにより、科学者は死にゆく星の内部で起こる激しいプロセスを研究することができます。DUNEの巨大な液体アルゴン検出器は、超新星などの天体イベントからのニュートリノを捕らえるために部分的に設計されています。人工知能トリガーは、DUNEの検出器を継続的に監視し、超新星ニュートリノバーストの典型的なパターンを探します。もし有望な信号を発見した場合、システムは候補イベントの前10秒から後100秒までのデータを保存するように設計されています。
これにより天文学者は事前に警告を受け、望遠鏡を光が到達する前に爆発する星に向けることができます。ニュートリノ自体は、爆発後に残る物質を明らかにすることができ、これは中性子星やブラックホールである可能性があります。これにより、DUNEは部分的には粒子検出器であり、部分的には宇宙の早期警報システムとなる装置です。
DUNEの巨大な規模には、検出器を正常に運営する方法という別の問題も隠れています。数千のコンポーネントが地下で協調して動作し、問題が発生した際にはオペレーターが迅速に反応する必要があります。したがって、研究者たちは、大規模言語モデルを利用して過去の問題解決の記録を検索し、オペレーターが関連する解決策を見つける手助けができるかどうかを調査しています。機械学習は最終的にさらに進化し、検出器の異常を示すパターンを特定することで、実際の故障が発生する前に警告を発することができるかもしれません。したがって、この方法は、粒子物理実験における人工知能の使用を広く推進する傾向を反映しており、ますます複雑な施設が生成するデータが、従来の方法で簡単に処理できる範囲を超えていることを示しています。
DUNEは最終的にPB級のデータを生成するため、迅速かつ信頼性の高い分析が重要です。研究者たちは探測器の開発と同時に、国家研究所や大学と協力してデータの洪水に対応するための計算基盤を構築しています。この協力には、35カ国からの1,500人以上の科学者とエンジニア、そしてCERNが参加しており、次世代の研究者の育成にも取り組んでいます。もし人工知能システムが期待通りに機能すれば、DUNEは人工知能が科学者が大規模な実験を運営し、膨大なデータの中に隠れた希少な信号を発見する手助けをするモデルとなる可能性があります。