Нейросети в разы улучшат чувствительность нейтринного телескопа Baikal-GVD
Нейросети в разы улучшат чувствительность нейтринного телескопа Baikal-GVD
Одно из перспективных направлений современной астрофизики — исследование нейтрино. Это элементарные частицы, которые не несут электрического заряда и почти не обладают массой. Особый интерес представляют нейтрино сверхвысоких энергий, также называемых астрофизическими. Они образуются в космологических объектах, таких как активные ядра галактик или сливающиеся нейтронные звезды.
Такие частицы путешествуют по Вселенной, практически свободно проникая сквозь любую материю. Изучая их, учёные получают информацию об их источниках и о процессах, которые в них происходят. Нейтрино (вместе с фотонами, гравитационными волнами и космическими лучами) — основа современной многоканальной астрономии — науки, которая комплексно изучает космологические объекты и явления.
Развивая это направление, астрофизики из Московского физико-технического института и Института ядерных исследований РАН разработали нейросетевые алгоритмы, которые призваны существенно улучшить чувствительность и разрешающую способность телескопа Baikal-GVD — одной из двух крупнейших в мире нейтринных обсерваторий.
Этот телескоп размещён в озере Байкал и представляет собой систему из 13 кластеров по 8 гирлянд с 36 закреплёнными на них оптическими модулями. Его эффективный объём составляет 0,6 км3. Модули помещены в толщу воды. Она помогает регистрировать нейтрино, а земной шар выступает в роли фильтра, который из всего потока частиц, прилетающих из космоса, пропускает только объекты этого типа.
Принцип действия обсерватории основан на том, что нейтрино может провзаимодействовать с молекулами воды, образуя заряженные частицы, часть из которых получает скорость больше световой в водной среде, из-за чего возникает так называемое черенковское излучение. Рождённые при этом фотоны регистрируют детекторы, размещённые в оптических модулях. Эти сигналы помогают определить угол прилета нейтрино и их энергию — данные, по которым учёные реконструируют местонахождение и свойства выпустивших их космологических объектов.
«Если суммировать, мы разрабатываем алгоритмы машинного обучения для анализа событий, зарегистрированных нейтринным телескопом. Эти программы дополнят существующие способы анализа, улучшат точность исследований, а также могут кратно ускорить весь процесс обработки данных. Разрабатываемые нами методы охватывают все этапы анализа данных — от очистки данных от шумов до реконструкции энергии нейтрино. Кроме того, внедрение наших разработок позволит изучать низкоэнергетические нейтрино, которые сейчас остаются за пределами чувствительности телескопа», — пояснил один из разработчиков нового программного комплекса Иван Харук, преподаватель МФТИ и научный сотрудник лаборатории обработки больших данных в физике частиц и астрофизике ИЯИ РАН.
В своей работе специалисты сосредоточились на решении целого ряда задач. Во-первых, с помощью нейросетевых программ они разделяют сигналы, обусловленные черенковским излучением и натуральной люминесценцией воды (подобное свечение среды составляет до 90% от собранных данных). Во-вторых, специалисты отсеивают события, которые вызваны широкими атмосферными ливнями, — явлениями, когда космические частицы сталкиваются с атомами воздуха и образуют каскад новых частиц. По статистике, на каждое нейтринное событие приходится от 1 до 10 миллионов сигналов, индуцированных такими ливнями.
Следующая цель, которую ставят перед собой исследователи, — оценить поток и энергетический спектр нейтрино, который видит Baikal-GVD. После чего специалисты предполагают изучить энергию и источники наиболее интересных событий. В перспективе это поможет построить наиболее точную и полную карту нейтринных источников южного небосвода, на который направлен «взгляд» телескопа.
Как рассчитывают учёные, в дальнейшем разработанные решения можно будет адаптировать для других исследовательских установок. Таких как, например, TAIGA — передовой комплекс для изучения космических лучей и гамма-астрономии, расположенный южнее Байкала.
Текст: Андрей Санников.
Источник: «За науку».