Применение сети Хопфилда для трекинга SPD

Thursday 8 Jun 2023, 14:00 → 15:00 Europe/Moscow

Среда, 7 июня 2023 г., 15:00
ком. 310
Онлайн семинар Webinar

И. Кадочников, А. Коваленко, Г. Ососков

Одним из ключевых этапов обработки экспериментальных данных физики частиц является реконструкция траекторий элементарных частиц (треков), когда для каждого события во взаимодействии частиц необходимо определить, какие хиты (точки, где был обнаружен пролёт какой-либо частицы через детектор) были порождены одной и той же частицей. В предстоящем эксперименте SPD NICA особую сложность при трекинге вызовет большая частота событий (3 МГц) и огромный фон ложных, фейковых хитов, возникающих из-за специфики применяемых трековых детекторов.

Еще в 80-х годах Денби и Петерсон предложили использовать для трекинга нейросеть Хопфилда – полносвязную рекуррентную сеть бинарных нейронов с симметричной весовой матрицей. Нейроны в их сети соответствуют паре хитов, то есть сегменту возможного трека. Веса сети задаются так, чтобы обеспечивать гладкость траектории, то есть малость угла между смежными сегментами, награждая гладкие и не ветвящиеся треки. При эволюции активации нейронов к точке равновесия функция энергии сети Хопфилда сходится к минимуму, который соответствует хорошему результату трекинга. Использование метода симуляции отжига помогает искать глобальный минимум энергии сети.

Несмотря на успех первых применений, интерес к использованию сетей Хопфилда для трекинга быстро угас из-за медленности их сходимости, их сверхчувствительности к шумовому фону и прежде всего из-за роста множественности событий, вызванного стремительным ростом светимости пучков частиц и развитием экспериментальных технологий. Тем не менее, в последнее время, благодаря развитию квантовых компьютеров и методов квантового отжига, позволившим радикально ускорить эволюцию сетей Хопфилда, интерес к нейросетевому трекингу Хопфилда резко возобновился.

В настоящем исследовании проверялась применимость трекинга на основе сети Хопфилда к множеству событий, симулирующих те, что ожидаются в эксперименте SPD. Для получения хорошего результата потребовалась тонкая настройка весовых параметров и самой энергетической функции сети с помощью программных инструментов для оптимизации метапараметров.

*****************************************************************************

Wednesday, 7 June 2023, 15.00
Room 310
Online seminar via Webinar

I.Kadochnikov, A.Kovalenko, G.Ososkov

Application of the Hopfield network to SPD track reconstruction

One of the key steps of processing experiment data in particle physics is the reconstruction of particle trajectories (tracks). For each particle interaction event the aim is to figure out which hits (points in space where some particle was detected) were generated by the same particle. In the upcoming SPD experiment on NICA particular complications will arise from the high frequency of events (3 MHz) and a strong background of fake hits caused by the specifics of the tracking detectors being used.

As far back as the 80s Denby and Peterson proposed using a Hopfiled network (a fully connected recurrent network of binary neurons with as symmetric weight matrix) for tracking. A neuron in their network corresponds to a pair of hits, that is, a segment of a possible track. The weights of the network are set to ensure a smooth trajectory, that is a small angle between adjacent segments, rewarding smooth and non-branching tracks. While neuron activations move towards an equilibrium point, the energy function of the Hopfield network approaches a minimum, which correspond to a good tracking result. Using simulated annealing allows to search for a global network energy minimum.

Despite the initial success, the interest in using Hopfield for tracking faded quickly due to slow convergence, high sensitivity to background noise, and most importantly event multiplicity caused by the rapid increase of particle beam luminosity and advances of experimental technologies. However, recently, thanks to the progress of quantum computers and quantum annealing methods, which can drastically accelerate the evolution of Hopfield networks, the interest in Hopfield neural network tracking has been renewed.

In this work, we investigated the applicability of Hopfield network tracking to a set of simulated events, representing those expected in the SPD experiment. To achieve a good result, it was necessary to fine-tune weight parameters and the energy function of the network using metaparameter optimization software. 

---

Подключение к Webinar:

https://jinr.webinar.ru/28441625/1064542239