Исследователи из Центра ИИ НИУ ВШЭ разработали метод, который существенно ускоряет создание нейросетей для анализа данных с ускорителей частиц. Об этом сообщает ТАСС.
Суть новшества заключается в автоматизированном отборе оптимальных моделей искусственного интеллекта без человеческого вмешательства. Алгоритм сравнивает различные варианты нейросетей, обучает их на слегка варьируемых данных и тестирует их производительность. Это позволяет выявить наиболее стабильные и точные модели для работы с данными коллайдеров.
Руководитель проекта Федор Ратников сообщил, что данный подход универсален и может быть применен в любых системах машинного обучения, что значительно сокращает временные затраты на поиск эффективных моделей.
Для верификации алгоритма команда использовала данные одного из датчиков ускорителя, который фиксирует энергию и направление движущихся частиц. Результаты экспериментов показали, что оптимальная модель может быть определена за 41,5 тысячи попыток, что в восемь раз быстрее, чем при полном переборе всех вариантов.