Nové využití grafových neuronových sítí ji dovedlo až do CERNu
Cenu Wernera von Siemense za druhé místo v kategorii Nejlepší diplomová práce a současně Ocenění za vynikající kvalitu ženské vědecké práce získala Ing. Jekatěrina Jaroslavceva z Fakulty elektrotechnické Českého vysokého učení technického v Praze za práci s názvem Nový algoritmus pro spojování 3D energetických depozitů založený na grafových neuronových sítích pro experiment CMS na Velkém hadronovém urychlovači v CERNu.
Práce Jekatěriny Jaroslavcevy pojednává o aplikaci umělé inteligence ve výzkumu částicové fyziky. Oceněná studentka vyvinula model využívající umělou inteligenci, který vědci v Evropské organizaci pro jaderný výzkum (CERN) používají k analýze částicových interakcí na Velkém hadronovém urychlovači (LHC). Tento model značně zvyšuje přesnost rekonstrukce částicových srážek a také umožňuje analýzu mnohem většího množství dat. To je klíčové pro objevování nových částic a pro hlubší porozumění částicím již známým.

LHC urychluje protony téměř na rychlost světla a poté je řízeně sráží. Ve srážkových bodech se energie částic přeměňuje na hmotu, což způsobuje rozptýlení částic do všech směrů. Většina částic produkovaných při srážkách je velmi „nestabilní“ a rychle se rozpadá v řetězových reakcích na běžně známé stabilní částice. Vlastnosti těchto částic, jako je jejich energie, náboj a směr, však již mohou být detektorem změřeny. Z výsledných dat se pak pomocí sofistikovaných počítačových algoritmů vědci snaží zrekonstruovat, na jaké produkty se prvotní částice po srážce rozpadla.
Právě na jednom z takových algoritmů pracovala Jekatěrina Jaroslavceva. Velkou předností jejího algoritmu je, že umožňuje analýzu řádově více dat a ve srovnání s předchozími metodami zlepšuje efektivitu měření o 40 %. Model je přelomový v tom, že přináší nový přístup k rekonstrukci částicových srážek – využívá totiž grafových neuronových sítí (GNN). Aplikace GNN v tomto odvětví je novinkou a má potenciál přinést všeobecné zlepšení výkonnosti rekonstrukčních algoritmů.
Průnik umělé inteligence a fyziky
Na počátku cesty Jekatěriny Jaroslavcevy do CERNu bylo hledání tématu diplomové práce, které by bylo v průniku AI a fyziky. Jako nejperspektivnější se jí jevilo použití umělé inteligence v oblasti částicové fyziky, zejména proto, že částicová fyzika pracuje s enormním množstvím velice komplexních dat, na něž se perfektně hodí metody strojového učení. „A tak jsem se se svým tématem přihlásila do CERNu a oni mě, k mému úžasu, přijali,“ říká.
V současné době pokračuje v CERNu jako doktorandka a nadále rozvíjí svou práci v oblasti optimalizace rekonstrukce částicových srážek pomocí strojového učení.
Ženy se stylem vědecké práce od mužů neliší
Do soutěže o Cenu Wernera von Siemense, která podle ní slouží jako skvělý formát pro zviditelnění výzkumné činnosti v Česku, se přihlásila na doporučení svého přítele. Zisk této ceny pro ni znamená nečekaný úspěch a velkou motivaci. „Nikdy by mě nenapadlo, že má diplomová práce bude oceněna mezi více než 200 nejlepšími diplomovými pracemi z celé republiky. Je to zcela určitě velký impuls pro další vědecký výzkum,“ přiznává.
