إن دمج تقنيات الذكاء الاصطناعي (AI)، ولا سيما التعلم الآلي (ML)، يحدث ثورة في تحليل البيانات في تجارب الفيزياء العالية الطاقة. تقدم هذه الدراسة تطوير وتنفيذ بيئة تحليل متقدمة مدفوعة بالذكاء الاصطناعي لكشف الجسيمات الهادونية باستخدام بيانات مفتوحة من تجربة ALICE في CERN. تركز الأبحاث على استغلال خوارزميات التعلم الآلي، بما في ذلك التعلم العميق، وطرق تجميع البيانات، وكشف الشذوذ، لتعزيز تصنيف الجسيمات وتحديدها. تشمل المنهجية معالجة البيانات وتحليلها من تصادمات الرصاص-الرصاص (Pb-Pb)، وتطبيق تقنيات التعلم الآلي المراقبة وغير المراقبة لتحسين دقة كشف الجسيمات. تستكشف الدراسة استخدام الشبكات العصبية لتصنيف الجسيمات والتنبؤ بها، بهدف تحسين التعرف على التفاعلات دون الذرية في ظروف قاسية. بالإضافة إلى ذلك، تعزز الاستدلال في الوقت الحقيقي من خلال دمج Kafka كفاءة معالجة البيانات. تظهر النتائج أن الأساليب المعتمدة على الذكاء الاصطناعي تحسن بشكل كبير من أداء تصنيف الجسيمات مقارنة بالطرق التقليدية. تبرز النتائج إمكانية التعلم الآلي في تحسين التحليل التجريبي، وتقليل الشكوك، وتوفير رؤى جديدة حول التفاعلات الأساسية في فيزياء الجسيمات. تُبرز هذه الأبحاث الدور التحويلي للذكاء الاصطناعي في فيزياء الطاقة العالية الحديثة، مما يفتح الطريق للتقدم المستقبلي في الاكتشاف العلمي المدفوع بالبيانات.
درست استيفانيا مورو ليون (Mon،) هذا السؤال.