В США создают первый в мире коллайдер с встроенным искусственным интеллектом

Строящийся в США электрон-ионный коллайдер EIC станет первым в мире ускорителем частиц, в архитектуру которого искусственный интеллект и машинное обучение встроены с самого начала. Новый комплекс создается в Национальной лаборатории Брукхейвена в штате Нью-Йорк и уже на этапе проектирования ориентирован на работу с колоссальными потоками данных, которые невозможно эффективно обрабатывать традиционными методами.

После запуска установка будет фиксировать до 500 тысяч столкновений частиц каждую секунду. При такой скорости поток информации окажется настолько огромным, что сортировка, фильтрация и реконструкция событий будут практически полностью выполняться алгоритмами машинного обучения в режиме реального времени. Именно необходимость обработки подобных объемов данных определила многие ключевые решения при проектировании всего комплекса.

Электрон-ионный коллайдер создается совместно Национальной лабораторией Брукхейвена и Национальной ускорительной лабораторией имени Томаса Джефферсона Министерства энергетики США. В проекте участвуют более 300 научных организаций со всего мира. Стоимость строительства оценивается в сумму от 1,7 до 2,8 миллиарда долларов, а начало эксплуатации намечено на середину 2030-х годов.

В отличие от более ранних ускорителей, где системы искусственного интеллекта внедрялись уже после запуска, EIC проектируется как полностью интегрированная платформа с ИИ-управлением. Например, в закрытом в феврале 2026 года релятивистском коллайдере тяжелых ионов RHIC технологии машинного обучения появились спустя годы после ввода комплекса в эксплуатацию. Для нового ускорителя была создана международная группа EIC-BeamAI, которая разрабатывает интеллектуальные системы управления, используя существующее оборудование Брукхейвена.

Одной из главных проблем при эксплуатации ускорителя является необходимость одновременно контролировать десятки тысяч параметров. Два пучка частиц будут двигаться в противоположных направлениях по кольцу длиной около 3,9 километра почти со скоростью света, а стабильность системы потребует непрерывной корректировки настроек. По словам профессора Корнеллского университета Георга Хоффштеттера де Торката, человеку чрезвычайно сложно постоянно отслеживать все параметры ускорителя, поэтому роль «надзирателя» перейдет к алгоритмам машинного обучения, которые смогут самостоятельно контролировать состояние системы и автоматически менять настройки.

Разработчики уже протестировали подобный подход на предварительных ускорителях RHIC. Алгоритмы машинного обучения сумели добиться такого же качества пучка, какого обычно достигают опытные операторы комплекса. Кроме того, система создает цифрового двойника ускорителя — виртуальную модель, обновляющуюся в реальном времени. Это позволяет исследователям проверять изменения без вмешательства в работу настоящей установки, а также заранее выявлять аномалии в работе магнитов и при необходимости безопасно останавливать систему до возникновения повреждений.

Искусственный интеллект используется и при проектировании детекторов. Создание подобных систем требует проведения огромного количества компьютерных симуляций, в ходе которых ученые тестируют различные материалы, геометрию и конфигурации оборудования. В рамках проекта AID2E, поддерживаемого Министерством энергетики США, исследователи из Брукхейвена, Католического университета Америки, Университета Дьюка, Лаборатории Джефферсона и колледжа Уильяма и Мэри применяют машинное обучение для ускорения этого процесса.

Алгоритмы обучаются прогнозировать, как изменения конструкции влияют на способность детектора распознавать частицы. Благодаря этому ученые могут анализировать значительно больше вариантов конфигураций, чем позволяют традиционные методы моделирования, одновременно снижая вычислительные затраты и энергопотребление.

После запуска коллайдера огромный детектор ePIC размером с дом будет генерировать до 100 гигабит данных в секунду. Системы на базе искусственного интеллекта будут в режиме реального времени отделять полезные сигналы от шумов непосредственно во время столкновений частиц. Затем модели глубокого обучения займутся реконструкцией событий, переводя слабые следы, оставляемые частицами внутри детектора, в точные измерения энергии и импульса.

Параллельно ученые Брукхейвена уже разработали алгоритм, способный эффективно сжимать данные столкновений без потери детализации, необходимой для физического анализа. Эта технология была протестирована на оборудовании RHIC и описана в журнале Patterns.

По словам научного директора EIC Абхая Дешпанде, основная задача проекта заключается в том, чтобы к моменту запуска коллайдера в середине 2030-х годов все системы искусственного интеллекта были полностью готовы и могли максимально ускорить путь к новым открытиям в физике элементарных частиц.