События

Результаты молодежных работ ЛИТ представлены участникам ПКК ФЧ

На состоявшейся 23 июня 2025 г. 62-й сессии Программно-консультативного комитета ОИЯИ по физике частиц шестеро молодых ученых Лаборатории информационных технологий представили результаты своих работ в формате постерных докладов.

ГРАФОВАЯ НЕЙРОННАЯ СЕТЬ С МЕХАНИЗМОМ ВНИМАНИЯ И ДВУХЭТАПНОЙ АГРЕГАЦИЕЙ ДЛЯ ВОССТАНОВЛЕНИЯ ТРАЕКТОРИЙ ЧАСТИЦ В TPC MPD НА УСКОРИТЕЛЬНОМ КОМПЛЕКСЕ NICA
Евгений Толочко, Геннадий Ососков, Николай Войтишин

Одной из основных задач для TPC MPD на ускорительном комплексе NICA в условиях чрезвычайно высокой частоты столкновений, достигающей мегагерцового уровня, что значительно увеличивает объём данных, регистрируемых детекторами, является восстановление траекторий частиц. В нашей работе мы представляем графовую нейронную сеть (GNN) с механизмом внимания и двухэтапной агрегацией для восстановления траекторий частиц в TPC MPD на ускорительном комплексе NICA. Для обучения GNN-модели использовался набор данных из 1000 событий столкновений Au-Au, сгенерированных с помощью MPDRoot. Мы показываем, что введение механизма внимания и двухэтапной агрегации позволяет повысить производительность GNN в классификации рёбер, достигая accuracy в 96,2%, а также 92,6% для метрик purity и efficiency. При этом эффективность восстановления траекторий частиц превышает 90% при их целостности ниже 80%, но резко падает до 48% при более высоких требованиях к целостности траекторий.

РАЗДЕЛЕНИЕ ТРАЕКТОРИЙ ЧАСТИЦ ПО СОБЫТИЯМ СТОЛКНОВЕНИЙ ПУЧКОВ, НАКОПЛЕННЫХ В ЕДИНОМ ВРЕМЕННОМ СРЕЗЕ В ДЕТЕКТОРЕ SPD НА УСКОРИТЕЛЕ NICA С ПОМОЩЬЮ ГРАФОВЫХ НЕЙРОННЫХ СЕТЕЙ
Савелий Омелянчук, Евгений Толочко, Геннадий Ососков

Работа посвящена разработке методов глубокого обучения для классификации треков элементарных частиц. В данной работе рассматривается архитектура графовой нейронной сети (GNN) для классификации треков по событиям в каждом временном срезе на эксперименте SPD. В работе представлен новый подход к сортировке треков, исследование динамики обучения и тестирование модели в разных условиях. Модель реализована и обучена с применением современных инструментов глубокого машинного обучения, предоставляющих возможность параллельных тензорных вычислений.

СИСТЕМА ОФЛАЙН ОБРАБОТКИ ДАННЫХ В ЭКСПЕРИМЕНТЕ SPD
Артем Петросян, Алексей Конак, Никита Монаков

Установка SPD (Spin Physics Detector) на ускорительном комплексе NICA в ОИЯИ находится на этапе строительства. Кроме самой установки, развивается и программное обеспечение будущего эксперимента. Уже сейчас для моделирования физических процессов в будущей установке существует постоянный запрос на проведение достаточно масштабных вычислений. Для облегчения их проведения сотрудниками ЛИТ разрабатывается набор систем и сервисов, позволяющих обеспечить упорядоченное хранение и обработку данных эксперимента как на ресурсах ОИЯИ, так и на ресурсах институтов-членов коллаборации SPD. Представленные системы и сервисы находятся в опытной эксплуатации. За последние полгода в рамках системы проведено моделирование более чем 1 миллиарда физических событий в интересах физических групп эксперимента и получено более 200 ТБ данных.

КОМПЛЕКС ПРОМЕЖУТОЧНОГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ SPD ONLINE FILTER
Никита Гребень, Леонид Романычев, Данила Олейник, Артём Плотников, Полина Коршунова

«SPD Online Filter» — это программно-аппаратный комплекс для многоступенчатой высокопропускной обработки данных, получаемых с детектора SPD. Его основная задача – первичная обработка данных с целью сокращения их объема для долговременного хранения и последующей полной обработки. «SPD Online Filter» включает в себя специализированный вычислительный кластер, комплекс промежуточного программного обеспечения и комплекс прикладного программного обеспечения. Комплекс промежуточного ПО состоит из трёх микросервисных систем, взаимодействующих через лёгковесные API-шлюзы для маршрутизации запросов и брокер сообщений для развязки микросервисов-производителей и микросервисов-потребителей. Вместе они формируют настраиваемый, отказоустойчивый и масштабируемый конвейер обработки данных. В данном постере показана архитектура как программного комплекса, так и входящих в него подсистем; демонстрируется согласованное взаимодействие между компонентами и показано, как они в совокупности обеспечивают надежную, масштабируемую обработку первичных данных для удовлетворения требований эксперимента SPD.

АНАЛИЗ ПРОЦЕССА ДРЕЛЛА–ЯНА С ИСПОЛЬЗОВАНИЕМ ОТКРЫТЫХ ДАННЫХ RUN2 CMS
Юрий Корсаков, Сергей Шматов, Александр Ланёв (ЛФВЭ)

В работе представлены результаты анализа процесса Дрелла–Яна с использованием открытых данных CMS за 2015 год. Набор данных соответствует интегральной светимости 2.64 фб-1 при энергии столкновений в центре масс 13 ТэВ. Были рассчитаны дифференциальное сечение процесса Дрелла–Яна и кинематические характеристики пары мюонов

ПОИСК ЧАСТИЦ ТЕМНОЙ МАТЕРИИ, ПРЕДСКАЗЫВАЕМЫХ В МОДЕЛИ СКАЛЯРНОГО ПОРТАЛА С ДВУХДУБЛЕТНЫМ РАСШИРЕНИЕМ ХИГГСОВСКОГО СЕКТОРА И ОДНИМ ДОПОЛНИТЕЛЬНЫМ СИНГЛЕТОМ
Мария Савина (ЛТФ), Кирилл Слижевский, Сергей Шматов

В рамках эксперимента CMS на LHC исследуется возможность существования физики за рамками стандартной модели. Для поиска кандидатов на роль частиц темной материи (ТМ) используются события с Z бозоном и большим потерянным поперечным импульсом в конечном состоянии. Анализ основан на данных при энергии центра масс 13 ТэВ, собранных в ходе второго этапа работы детектора CMS RUN2, что соответствует интегральной светимости в 137 фб-1. Результаты анализа позволили ограничить параметры упрощённых моделей ТМ с векторными, аксиально-векторными, скалярными и псевдоскалярными медиаторами, а также двухдублетной хиггсовской модели (2HDM+a) с дополнительным псевдоскалярным медиатором. Представлено моделирование сигнальных процессов для 2HDM+S/a, выполненное с использованием генераторов MadGraph5 и Pythia8, которое используются в анализе данных третьего этапа работы детектора CMS RUN3 с энергией 13.6 ТэВ.