Для подбора настроек ускорителя частиц предложили использовать обучение с подкреплением. Программу RLABC создали в НИУ ВШЭ и Институте ядерной физики (ИЯФ СО РАН). Результаты опубликованы в Computer Physics Communications. Об этом пишет сайт CNews.
В ускорителях разгоняют заряженные частицы, например электроны или протоны. Электрические поля придают им скорость, магнитные — направляют и фокусируют пучок. Если магниты выставлены неудачно, часть потока уходит с траектории и теряется. Настройка одного элемента влияет на прохождение через последующие, поэтому согласовывать приходится десятки параметров.
RLABC работает вместе с программой Elegant, применяемой для расчета движения пучков. Нейросеть по очереди задает параметры магнитов в модели, Elegant считает итог, а алгоритм получает оценку действий. Чем больше частиц прошло дальше, тем выше балл. После серии попыток сеть выбирает комбинации точнее.
Проверка шла на компьютерной модели комплекса ВЭПП-5. В ней насчитывалось 11 магнитов и 37 настраиваемых параметров. В среднем до конца канала доходило около 70% частиц. При подборе всех 37 параметров показатель составил примерно 66%, а на модели с иной схемой магнитов — 71%. По словам авторов, результат близок к решениям специалистов по ускорительной технике.
Исходный код открыт, другие исследователи могут его использовать и дорабатывать. Следующий шаг — испытания на реальных ускорителях. Предполагается, что программа станет предлагать оператору настройки и снимет часть рутины, но окончательное решение останется за человеком. Работа получила поддержку гранта Минэкономразвития для исследовательских центров в сфере ИИ.