Информационные технологии/Исследования

текст Андрей Устюжанин кандидат физико-математических наук, руководитель совместных проектов "Яндекса" и ЦЕРН

фотография Иван Ерофеев

маргиналии Александр Кольцов

Школа анализа данных "Яндекса" стала участником коллаборации большого эксперимента LHCb ЦЕРН (CERN). Школа будет помогать ученым в обработке данных и проводить исследования на стыке физики и компьютерных наук в рамках эксперимента LHCb — одного из главных экспериментов на Большом адронном коллайдере. Это первый случай, когда членом коллаборации становится частный университет, созданный по инициативе коммерческой компании, при этом не специализирующийся на физике. До этого в коллаборацию входили исключительно университеты, где ведутся исследования в области физики: МГУ, Массачусетский технологический институт, Оксфордский университет и другие.

Сегодня много говорят о применении технологий big data в медицине, экономике и других областях. История с физиками — интереснейший пример того, как может работать "магия" алгоритмов.

Представьте себе, что ребенку подарили интересную игрушку. Какое-то время он увлеченно играет, а потом ему становится интересно, что внутри, как она устроена. У всех свои игрушки, и чем они интереснее устроены, тем сложнее их разобрать. В мире физики игрушки, пожалуй, одни из самых сложных — связанные с нашей физической реальностью. В физике частиц, которой занимаются на Большом адронном коллайдере, объектом исследования являются элементарные частицы. А точнее, законы и модели, которые описывают их поведение: распады, взаимодействия и т.д.

Одним из способов изучения частиц является столкновение разогнанных до огромных скоростей частиц друг с другом. В результате таких столкновений высвобождается чрезвычайно большое количество энергии E2 = (mc2)2 + (pc)2, которая может превратиться в другие виды частиц. На Большом адронном коллайдере протоны разгоняются почти до скорости света по двум противоположным круговым траекториям и соударяются в четырех точках кольца коллайдера — четырех детекторах больших экспериментов. Каждый эксперимент хорош в наблюдении определенного вида распадов частиц.

Эксперимент LHCb, к работе над которым подключатся студенты и исследователи ШАД, построен так, чтобы хорошо "видеть" распады частиц, появляющихся после столкновения протонов и летящих под небольшим углом вдоль соударяющихся пучков. Эта особенность позволяет, например, хорошо изучить законы взаимодействия B-мезонов. Одна из загадок, которую можно решить, наблюдая за частицами, — нарушение симметрии в законах для материи и антиматерии. В частности, интересный вопрос заключается в том, почему окружающая нас видимая вселенная почти целиком состоит из материи и в окружающем нас космическом пространстве нет заметных следов антиматерии. Дело в том, что во время Большого взрыва было одинаковое количество материи и антиматерии. Большая их часть проаннигилировала, и в результате остались фотоны и только совсем маленький избыток материи, из которой созданы звезды, планеты и мы с вами. Этого избытка не было бы, если бы не было различия в свойствах материи и антиматерии. Интрига в том, что известные законы физики для материи и антиматерии довольно похожи, и внятного ответа на вопрос, почему материи осталось так много, они не дают. В поисках ответов на такие загадки физики не смотрят за каждым отдельным столкновением частиц, они ищут закономерности, проявляющиеся при наблюдении большого количества столкновений, — статистические закономерности, распределения физически-значимых величин.

Коллайдер — это лишь начальное звено большого конвейера по обработке данных, за ним находится онлайн-ферма, которая отсеивает данные об интересных столкновениях от явного шума. Интересные данные, которые составляют сотые доли процента от всех наблюдаемых столкновений, сохраняются в дата-центрах грида (WLCG — Worldwide LHC Computing Grid) и проходят последующую обработку; только после всех предварительных этапов данные становятся доступны физикам коллаборации для предметного исследования. Каждое зарегистрированное соударение протонов в коллайдере называется событием, их могут исследовать участники коллаборации.

Один из классов задач, которые решаются на LHCb, — поиск редких распадов. Сложность этой задачи обусловлена необходимостью учета большого количества неопределенностей и одновременно требованием высокой точности получаемого ответа.

Поиск определенного вида событий похож на поиск иголки в стоге сена. Задача усложняется, т.к. каждое событие описывается десятками разных признаков, для которых очень сложно выделить объем пространства с наилучшим соотношением сигнал/шум. Для решения таких задач в других областях науки хорошо зарекомендовали себя методы машинного обучения, такие, например, как классификация, которые могут это сделать гораздо лучше и точнее, чем человек. Такие подходы могут здорово сократить время накопления данных, а каждый год работы коллайдера — это примерно 1 миллиард евро для налогоплательщиков.

ШАДовцы помогут физикам в решении инженерных задач, для которых не нужно модельных данных, и задач не про физику: хранение данных, обнаружение и предсказание аномалий в работе детектора.

Доступ к данным эксперимента LHCb имеют исключительно участники коллаборации. Коллаборация — это как живой организм, состоящий из различных органов. Каждый орган поддерживает функциональность всего организма: служба IT, отвечающая за хранение и выполнение пользовательских запросов, группа поддержки детектора, группа онлайн-обработки, группа офлайн-обработки и другие. В них протекают довольно сложные процессы, замешанные на личных амбициях, национальных особенностях и групповой динамике. Описать этот организм можно лишь схематично.

Формально коллаборация состоит из 60-70 групп по 5-15 человек из различных институтов всего мира. Каждая группа одновременно может вести работу по нескольким вспомогательным задачам и получает возможность проводить физические исследования с использованием данных эксперимента.

ШАД взяла на себя несколько больших задач: поддержку системы поиска событий LHCb по набору критериев, предоставление доступа к технологиям построения классификаторов, разработку системы проведения воспроизводимых экспериментов, оптимизацию стоимости хранения данных за счет предсказания популярности отдельных файлов, мониторинг работы LHCb-детектора и системы онлайн-обработки событий LHCb-детектора.

Наша группа, так же, как и группы физиков, получает возможность проводить исследования на данных эксперимента. В открытый доступ для всех данные попадают через несколько лет, для участников коллаборации — сразу же. С вступлением в коллаборацию мы можем готовить научные статьи вместе с физиками из ЦЕРН, другими университетами или самостоятельно.

В первое время, когда мы только начали общаться, мы не очень хорошо понимали, как устроена жизнь и где находятся границы территорий, через которые не принято переступать. Это становилось предметом непонимания и даже ревности. Каждая институтская группа формирует для себя план на год по физическим исследованиям: описываются темы и определяются ответственные за развитие этих тем. Как правило, физические интересы различных институтов пересекаются, и это повод для создания малой исследовательской группы внутри коллаборации по работе над одной задачей. Например, анализ распада Bs→2μ или τ→3μ. Внутри малой исследовательской группы физики распределяют обязанности между собой: подготовка данных, предвыборка данных, генерация данных на симуляторе, обучение классификаторов, расчет систематических и статистических неточностей и т.д. Работа над таким анализом может пройти относительно быстро — за полгода, после чего формируется внутренний документ, содержащий подробное описание проделанных шагов анализа, и если он утверждается внутренними рецензентами (что может занять от трех до шести месяцев), то по мотивам этого документа пишется статья в научный журнал (например, Physical Review Letters).

Сейчас мы понимаем эти принципы лучше и нашли свою нишу для исследовательских работ. Например, это такие задачи, как поиск распадов по общему шаблону — малоизученная область, в которой методы машинного обучения без учителя (unsupervised learning) могут показать себя с наилучшей стороны.

Наше отличие от физиков заключается еще и в том, что нам может быть интересно решение вспомогательных инженерных задач с научной точки зрения: мы можем писать статьи по этим темам, защищать магистерские и кандидатские диссертации, в то время как для физиков научный интерес представляют исключительно физические задачи.

Меня часто спрашивают: как могут изменить мир наблюдения за сталкивающимися частицами? Напомню, что именно благодаря физикам в нашей жизни появилась всемирная паутина www, жидкокристаллические дисплеи, лечение онкологии пучком протонов и многое другое.

Для России это относительно новая тема, но это совсем не повод её игнорировать. Мы видим сейчас очень бурное развитие науки о данных, позволяющее расширять технологии машинного обучения для решения огромного спектра задач: от планирования маршрутов и выбора кинофильма до распознавания сложных видеорядов и предотвращения катастроф. Эти подходы отличаются универсальностью – их можно оттачивать на данных из одной области и применять на совершенно ином поприще. Именно эти перспективы интересуют нас в сотрудничестве с ЦЕРНом больше всего.

ЦЕРН (CERN) — это крупнейший в мире научно-исследовательский центр в области исследования фундаментальных свойств материи (ФСМ). Российская наука имеет большой авторитет и традиции в области ФСМ, что позволяет российским ученым быть участниками в коллаборациях таких масштабных экспериментов, как ATLAS, CMS, ALICE и LHCb, реализуемых на Большом адроном коллайдере, созданном в CERN.

Координацию деятельности, связанной с научно-техническим сотрудничеством российских ученых и специалистов в CERN, осуществляет Минобрнауки России. До настоящего времени в коллаборацию входили исключительно научные организации, в которых проводятся исследования в области ФСМ: МГУ, ОИЯИ и другие.