Tomado de AI at CERN

O CERN opera algunhas das máquinas científicas máis complexas xamais construídas, que dependen de intrincados sistemas de control e xeran petabytes e petabytes de datos de investigación. Tanto o funcionamento destes equipos como a análise dos datos recompilados son tarefas intensivas. Por iso, o CERN recorre cada vez máis á investigación no campo da intelixencia artificial (IA) para facer fronte a algúns dos retos que implican o manexo de datos, a manipulación de fas de partículas e o mantemento das súas instalacións.

O concepto moderno de intelixencia artificial xurdiu máis ou menos ao mesmo tempo que o CERN, a mediados dos anos cincuenta. Ten distintos significados segundo o contexto, e o CERN interésase principalmente pola chamada IA restrinxida, orientada a tarefas, máis que pola IA xeral, que inclúe aspectos como a resolución independente de problemas ou mesmo a conciencia artificial. Os físicos de partículas foron un dos primeiros grupos en utilizar técnicas de IA no seu traballo, adoptando a aprendizaxe automática (Machine Learning, ML) xa en 1990. Máis aló do ML, os físicos do CERN tamén están interesados no uso da Deep Learning para analizar a avalancha de datos do LHC.

Enfrontarse a un diluvio de datos

Mesmo antes de que o Gran Colisior de Hadróns empezase a colidirr os feixes de protóns de alta enerxía en 2010, a comunidade de físicos de partículas empezou a recompilar cantidades de datos sen precedentes. As partículas coliden nos detectores do LHC ata 40 millóns de veces por segundo, e cada colisión xera ao redor dun megabyte de datos: demasiados para almacenalos sen algún tipo de filtro.

Os científicos non só teñen que programar os seus sistemas de adquisición de datos para seleccionar os sucesos adecuados para a súa posterior análise e descartar os datos sen interese, senón que tamén teñen que examinar billóns de sucesos de colisión almacenados en busca de firmas de fenómenos físicos pouco comúns. Por iso, recorreron a un subdominio da IA, denominado aprendizaxe automática (machine learning, ML), para mellorar a eficiencia e eficacia destas tarefas. De feito, as catro principais colaboracións do LHC, ALICE, ATLAS, CMS e LHCb, formaron o Grupo de Traballo Inter-experimental Machine Learning (IML) para seguir as tendencias de desenvolvemento en ML.

Os investigadores tamén están a colaborar coa comunidade máis ampla da ciencia de datos para organizar talleres para formar á próxima xeración de científicos no uso destas ferramentas, e para producir investigación orixinal en Deep Learning. ROOT, o programa de software desenvolvido polo CERN e utilizado por físicos de todo o mundo para analizar os seus datos, tamén inclúe bibliotecas de aprendizaxe automática.

Funcionamento en contornas extremas

As instalacións experimentais do CERN poden clasificarse temporalmente como zonas de alta radiación, o que impide a intervención humana para realizar reparacións ou substituír equipos. Por iso, o CERN desenvolveu robots autónomos para operar nestas zonas, entre as que se inclúe o túnel que contén o LHC. O Departamento de Enxeñería do CERN, que constrúe e mantén estes robots, utiliza técnicas de IA para axudar aos robots para navegar por si mesmos e tomar decisións sobre que accións realizar dentro das contornas de radiación.

A aprendizaxe automática tamén se utiliza no complexo de aceleradores do CERN para predicir e evitar fallos nos equipos, así como para optimizar a calidade dos feixes de protóns de alta enerxía que o CERN fornece aos seus experimentos. Ademais, os físicos tamén están a investigar como técnicas similares poderían facer máis eficiente, fiable e posiblemente mesmo autónomo o traballo de quen dirixe os aceleradores.

Levar as técnicas máis avanzadas ao CERN

Ademais de utilizar a robótica de IA para o mantemento das súas complexas máquinas, a predición de fallos de compoñentes e para aplicacións de seguridade, o CERN recoñeceu a importancia de implicar a expertos externos en IA nos proxectos emprendidos no laboratorio.

Gran parte da colaboración con estes expertos realízase a través do CERN openlab, unha asociación público-privada que permite ao CERN traballar con investigadores e empresas líderes mundiais que traballan en IA. CERN openlab puxo en marcha varios proxectos de aprendizaxe automática que van desde a mellora dos sistemas de control industrial á simulación das condicións no interior dos detectores de partículas tras colisións de alta enerxía, pasando pola investigación de futuros algoritmos de Quantum Machine Learning (QML). CERN openlab tamén contribúe ao uso dos recursos de IA do CERN para operacións humanitarias e recentemente organizou unha conferencia sobre a ética asociada ao noso crecente uso da IA no mundo.

Ademais, o CERN tamén está interesado en empregar os seus coñecementos de IA para crear un impacto positivo na sociedade no seu conxunto. The CERN Knowledge Transfer Group colabora con axentes dos sectores automobilístico, financeiro e farmacéutico neste esforzo.

More:

IML: Inter-Experimental LHC Machine Learning Working Group

ROOT: analyzing petabytes of data, scientifically.

How CERN and Ceva (a leader in digital signal processor technology) are pioneering the future of Edge AI.

Machine learning could help reveal undiscovered particles within data from the Large Hadron Collider