Wenn es um die Entdeckung neuer Teilchen und exotischer Materiezustände geht, ist eines besonders gefragt: ein Detektor, der nicht nur misst – sondern auch erkennt, was relevant ist. Am GSI-Helmholtzzentrum in Darmstadt gelingt dies mit dem HADES-Experiment – und mit Hilfe modernster künstlicher Intelligenz.
In den Schwerionenkollisionen, die HADES untersucht, entstehen Teilchen, deren Lebensdauer nur Billionstel Sekunden beträgt. Dazu gehören sogenannte seltene, schwach zerfallende Teilchen wie seltsame Hadronen und Hyperkerne – exotische Kerne, die ein seltsames Quark enthalten. Ihre Signale liegen mehr als fünf Größenordnungen unter dem Hintergrundrauschen – die sprichwörtliche Suche nach der Nadel im Heuhaufen.
Solche Zerfälle hinterlassen glücklicherweise eine charakteristische Topologie, also ein bestimmtes geometrisches Muster aus Zerfallsspuren im Detektor. Die Physikerinnen und Physiker bei HADES extrahieren daraus eine Vielzahl korrelierter Parameter – und trainieren damit künstliche neuronale Netze. Genutzt werden dabei Frameworks wie TensorFlow von Google oder Multi-Layer-Perceptrons.
Mit letzteren können im Vergleich zur klassischen Methodik deutlich mehr Zerfälle rekonstruieren – und das in einem breiteren kinematischen Bereich. So können auch besonders energiereiche oder ungewöhnliche Zerfälle erfasst werden, die bisher unter dem Radar blieben.
Dadurch werden viele Messgrößen in der Schwerionenphysik präziser und umfassender.