AI กับ Particle Physic


Share this article

หลาย ๆ คนอาจจะคุ้นเคย หรือเริ่มได้ยินการนำเอา AI (Artificial Intelligence) เข้าไปประยุกต์ใช้กับงานต่าง ๆ ทั้งด้านการแพทย์ ที่นำ AI เข้ามาช่วยดูภาพ ภาพถ่ายด้วยคลื่นแม่เหล็กไฟฟ้า หรือ MRI (Magnetic resonance imaging) เพื่อให้การดูภาพ MRI ของหมอนั้นมีความแม่นยำมากยิ่งขึ้น หรือในด้านเคมีที่นำเอา AI มาช่วยในการทำนายโครงสร้างโมเลกุล (Molecule Structure) เพื่อนำมาพัฒนาเป็นตัวยาใหม่ ๆ ให้เราได้ใช้กัน นอกเหนือจากด้านวิทยาศาสตร์ประยุกต์แล้ว ในด้านวิทยาศาสตร์บริสุทธิ์ก็มีการใช้ AI เข้ามาช่วยเช่นกัน เช่นในด้านของฟิสิกส์ของอนุภาค (Particle Physics) ซึ่งเป็นสาขาที่หลาย ๆ คนคงคิดว่าไม่ได้เกี่ยวอะไรกับชีวิตประจำวันเท่าไหร่นัก (ซึ่งก็จริง) นั้น เราอาจสงสัยว่าเขาเอา AI ไปทำอะไรกัน? ที่สำคัญเลยคือ ศาสตร์สาขานี้พยายามจะทำอะไรกันแน่ แล้วนำเอา AI เข้ามาช่วยตรงไหน โดยวันนี้จะมาเล่าให้ทุกท่านทราบว่าในสาขานี้เขาทำอะไรกัน และสามารถนำเอา AI ไปประยุกต์ใช้ในส่วนใด

 

ก่อนที่เราจะพูดถึงเรื่อง AI เราคงต้องทราบถึงส่วน Particle Physics กันก่อนว่าเหล่านักฟิสิกส์นั้นทำอะไรกัน และถ้าพูดถึง Particle Physics เราคงต้องพูดถึง CERN (Conseil européen pour la recherche nucléaire) ซึ่งเป็นองค์การความร่วมมือระหว่างประเทศในทวีปยุโรปเพื่อวิจัยด้านนิวเคลียร์ โดยเป้าหมายหลักขององค์กรคือทำการทดลองเพื่อตามหาว่าจักรวาลนั้นประกอบขึ้นมาจากอะไร การที่จะหาคำตอบนี้ได้นักวิทยาศาสตร์จึงคิดค้นการทดลองง่าย ๆ ขึ้นมา โดยนำเอาของสองชนิดที่มีพลังงานสูง ๆ มาชนกันแล้วดูว่าจะเกิดอะไรขึ้น ซึ่งสิ่งของสองสิ่งนั้นคือ อนุภาคที่มีชื่อว่า proton ซึ่งเป็นองค์ประกอบของทุกอะตอมนั่นเอง และการที่จะให้มีพลังงานสูง ๆ ได้นั้นจะต้องเร่งทำให้มีความเร็วที่สูงมาก ดังนั้น CERN จึงต้องมีเครื่องเร่งอนุภาคขนาดใหญ่ (Large Hadron Collider – LHC) ที่มีความสามารถเร่งความเร็วของอนุภาคให้มีความเร็วเกือบเท่าความเร็วของแสง หลังจากนั้นนำเอาสองอนุภาคที่ถูกเร่งมาทดลองชนกัน ซึ่งจากการชนของสองอนุภาคนั้นพบว่าการชนเพียงครั้งเดียว ทำให้เกิดอนุภาคต่าง ๆ กระเด็นออกมามากมายดังแสดงในรูปที่ 1 โดยอาจเป็นอนุภาคที่เป็นส่วนประกอบของอนุภาคตั้งต้นที่นำมาชน หรืออาจเกิดอนุภาคใหม่ขึ้นมาก็ได้

รูปที่ 1: ภาพจำลองการกระจายตัวของอนุภาค ที่เกิดจากการทดลองนำอนุภาคสองตัวมาชนกัน ref: https://www.scientificamerican.com/article/particle-physicists-turn-to-ai-to-cope-with-cerns-collision-deluge/

จากการใช้เครื่องวัดขนาดใหญ่ในการวัดคุณสมบัติของอนุภาคที่กระเด็นออกมาจำนวนมากนั้น นักฟิสิกส์สามารถใช้ข้อมูลมหาศาลที่ได้มาในการวิเคราะห์เพื่อตอบคำถามต่าง ๆ ที่ตัวเองสงสัยได้ จากรูปที่ 1 เราได้เห็นไปแล้วว่าอนุภาคต่าง ๆ ทิ้งร่องรอยไว้เยอะมาก หน้าที่หลักอันหนึ่งของเหล่านักฟิสิกส์คือการที่ต้องมาระบุว่า แต่ละอนุภาคที่เกิดจากการชนนั้นคืออนุภาคชนิดใดบ้าง

รูปที่ 2: กราฟพลังงานที่สูญเสียในเครื่อง TPC ของอนุภาคแต่ละชนิดต่อโมเมนตัม ref: http://cds.cern.ch/record/2665084/plots

ดังนั้นจึงต้องมีวิธีการจำแนกที่แม่นยำยิ่งขึ้น เช่นการตรวจสอบว่าอนุภาคที่ต้องการจะจำแนกนั้น เมื่อเกิดอันตรกิริยากับสสารของเครื่องตรวจจับ มีจำนวนการชนในเครื่องตรวจจับกี่ครั้ง และเนื่องจากเมื่ออิเล็กตรอน และอนุภาคไพออน เดินทางไประยะหนึ่งจะเกิดการสลายตัว (decay) ตัวมันเองซึ่งมีลักษณะคล้ายกับสเปรย์ที่เริ่มจากหนึ่งอนุภาคแล้วกระจายตัวออกมา ดังรูปที่ 3 เราจะเห็นว่าไพออนจะปลดปล่อยอนุภาคออกมาน้อยกว่าอิเล็กตรอน นักฟิสิกส์จึงนำเอาคุณสมบัตินี้มาระบุว่าอนุภาคใดคือไพออน หรืออิเล็กตรอน แต่ก็ไม่เสมอไปที่ไพออนจะสลายตัว แล้วให้อนุภาคออกมาน้อยกว่า จากรูปที่ 4 เห็นว่าไพออนก็สามารถ decay อนุภาคออกมาเยอะได้เหมือนกัน ดังนั้นก็อาจจะทำให้เกิดความผิดพลาดในการระบุอนุภาคขึ้นได้

รูปที่ 3: รูปการจำลองการของ อนุภาคอิเล็กตรอน (e) และอนุภาคไพออน (π) ที่เกิดปฏิกิริยากในเครื่องตรวจจับ ทำให้เกิดเป็นเหมือนละอองของอนุภาค

รูปที่ 4: รูปการจำลองการอนุภาคไพออน (π) ที่เกิดปฏิกิริยากในเครื่องตรวจจับ ทำให้เกิดเป็นเหมือนละอองของอนุภาค

ดังนั้น AI จึงสามารถนำมาช่วยแก้ปัญหานี้ จากเดิมแค่ดูว่าจำนวนอนุภาคที่ถูกสลายตัวออกมานั้นมากหรือน้อย เพื่อมาระบุชนิดของอนุภาค เปลี่ยนเป็นให้ AI ได้เรียนรู้รูปแบบพฤติกรรมของไพออน และอิเล็กตรอน ที่สลายตัวอนุภาคออกมาจากรูปภาพ (Image) โดยเราสามรถใช้ deep convolutional neural networks กับข้อมูลชุดนี้เพื่อสร้างเป็น โมเดลในการจำแนกประเภท (classification model) ขึ้นมาดังรูปที่ 5 โดยข้อมูลที่เราได้นำมาเป็น input ของโมเดลมาจากการจำลองผลการทดลองแล้วนำผลที่ได้มานั้นมาสร้างเป็นภาพ เหมือนรูปที่ 3 และ 4 เพื่อนำภาพเหล่านี้มาให้โมเดลได้เรียนรู้และวัดผล ซึ่งผลที่ได้จากโมเดลนั้นมีความแม่นยำกว่า การใช้วิธีการแบ่งชนิดตามจำนวนอนุภาคที่สลายตัวออกมาอย่างเห็นได้ชัด และเนื่องจากการใช้ AI เข้ามาช่วยนั้นก็จะทำให้การระบุชนิดของอนุภาคนั้นมีความถูกต้องแม่นยำมากยิ่งขึ้น ยิ่งไปกว่านั้นหากเราทำการศึกษาโมเดลเพิ่มเติม อาจได้เรียนรู้พฤติกรรมของไพออนและอิเล็กตรอนมากขึ้น เราอาจได้ค้นพบความรู้ใหม่ๆ ของ Particle Physics มากยิ่งขึ้นได้

 

รูปที่ 5: แผนถาพโมเดลในการจำแนกประเภท (classification model) เพื่อแยกอนุภาคอิเล็กตรอน (e) และอนุภาคไพออน (π)

Reference:

https://www.scientificamerican.com/article/particle-physicists-turn-to-ai-to-cope-with-cerns-collision-deluge/

http://cds.cern.ch/record/2665084/plots

Rüdiger Haake for the ALICE collaboration, 2017, Machine and deep learning techniques in heavy-ion collisions with ALICE, European Physical Society Conference on High Energy Physics.

Cogan et al, 2015, Jet-Images: Computer Vision Inspired Techniques for Jet Tagging, JHEP 02

READ  Visualize your data on Thailand Map with Tableau

ลงทะเบียนรับข่าวสาร

ไม่พลาดทุกการอัพเดทจาก Big Data Experience Center

Big Data Experience Center (BX)

ชั้น 14 อาคาร Knowledge Exchange Center (KX)
110/1 ถนนกรุงธนบุรี, แขวงบางลำภูล่าง เขตคลองสาน กรุงเทพฯ 10600
อีเมล์: [email protected]

ABOUT

SERVICES