С феноменологической точки зрения, важность TMD-распределений определяется возможностью учета внемассовости амплитуд рассеяния и более точного учета кинематики процессов на партонном уровне по сравнению со стандартными (коллинеарными) функциями распределения партонов. Таким образом, TMD-распределения играют важную роль в изучении адронных наблюдаемых, которые чувствительны к деталям партонной динамики. Предполагаемое в рамках данного проекта развитие методов вычислений в следующем за ведущим приближении kt-факторизационного подхода представляется чрезвычайно важным для получения таких прецизионных предсказаний. Кроме того, в этих расчетах планируется применить предложенный недавно одним из авторов проекта новый механизм перехода октетных состояний в наблюдаемый кварконий (который позволил решить актуальную проблему деполяризации J/Psi и psi' мезонов в области средних и больших поперечных импульсов). Процессы парного рождения тяжелых кваркониев (таких, как J/psi+J/psi, J/psi + Upsilon и др.) только сравнительно недавно стали доступны для экспериментального анализа. На данный момент проблема теоретического описания сечений таких процессов в рамках нерелятивистской КХД остается нерешенной. Существующие расчеты демонстрируют значительное (более, чем на порядок) отличие от экспериментальных данных коллабораций ATLAS и CMS в центральной области по быстроте частиц. В рамках предлагаемого проекта впервые будут изучены фрагментационные вклады от глюонных эмиссий, возникающих в ходе эволюции глюонных распределений, подчиняющихся уравнению эволюции СCFM. Также будут рассмотрены вклады от двойного партонного рассеяния в сечения таких процессов. Ожидается, что будет достигнуто или (по крайней мере) значительно улучшено согласие с экспериментальными данными коллабораций ATLAS и CMS. Актуальность планируемых исследований определяется большим количеством экспериментальных данных, полученных на коллайдере LHC и других современных коллайдерах, которые требуют теоретического описания в рамках КХД. Предполагаемое решение фундаментальной проблемы самосогласованного описания как сечений рассматриваемых процессов, так и поляризационных наблюдаемых позволит получить более глубокое понимание структуры адронной материи, пространственного и импульсного распределения кварков и глюонов, их эволюционной динамики, в частности, в области малых значений доли продольного импульса х.

• J.Dubenskaya - Principal investigator
• E.Gres - Investigator
• A.Vlaskina - Investigator
• A.Demichev - Investigator
• S.Polyakov - Investigator

Отличительной особенностью моделирования физических явлений, особенно в физике элементарных частиц и космических лучей, является необходимость воспроизвести состояния системы с учетом ограничений, определяемых природой физического явления. Априорные знания могут иметь форму логических правил, алгебраических или дифференциальных уравнений (например законы сохранения или уравнения связей между параметрами или степенями свободы, описывающими изучаемые явления), наличия симметрий относительно дискретных или непрерывных групп входных/выходных данных, а также заранее известные вероятностные соотношения между данными. В методе Монте-Карло такие ограничения вводятся на уровне математической модели. Для методов машинного обучения, основанных на принципе обучения, такие ограничения воспроизводятся с трудом. Особенно это касается различных статистических распределений по совокупности состояний. Эти проблемы можно решить путем дополнительного включения априорных знаний о таких ограничениях в процесс обучения. В этом состоит новизна предлагаемого подхода к решению общей проблемы — эффективного генерирования выборок случайных состояний (семплов) с учетом априорных знаний. Практическая проверка разрабатываемых подходов будет применена для анализа моделей физических явлений в астрофизике частиц.

Конкретной задачей данного проекта в рамках общей проблемы является исследование и разработка методов глубокого обучения генерации выборок многомерных случайных векторов в пространствах с большим числом измерений, с учетом априорной детерминистской и вероятностной информации о генерируемых событиях и их выборках для моделирования сложных физических явлений на примере экспериментов в области наземной гамма- астрономии. Наземная гамма-астрономия изучает излучение гамма-квантов галактического и внегалактического происхождения с помощью специально разработанных установок, так называемых атмосферных черенковских гамма- телескопов (Imaging Atmospheric (or Air) Cherenkov Telescope, IACT). С помощью этого метода гамма-излучение регистрируется на земле оптически как черенковский свет, порождаемый ливнями вторичных частиц, когда гамма-кванты очень высокой энергии попадают в атмосферу. Гамма-кванты таких энергий составляют лишь малую долю (меньше одной десяти тысячной) потока космических лучей, состоящего, в основном, из протонов. Для анализа данных, планирования эксперимента и других задач необходимо проводить моделирование, результатом которого должны стать сотни тысяч и миллионы событий, включая протонные события, являющиеся фоном. На разработку эффективных алгоритмов машинного обучения для генерации семплов и направлен предложенный проект. Решение данной проблемы является весьма важным для гамма-астрономии, поскольку благодаря отсутствию электрического заряда, гамма-кванты несут информацию об их сверхудаленных источниках, в которых происходят экзотические и экстремальные процессы во Вселенной.

Интеграция в процесс обучения априорных, заранее известных знаний позволит заметно повысить качество полученных выборок, а следовательно и качество моделирования событий, в частности, событий широких атмосферных ливней, регистрируемых черенковскими телескопами. Практическими задачами проекта будут: исследование существующих и разработка новых методов машинного обучения для генерации случайных векторов с учетом априорной информации; разработка алгоритмов на их основе и их программная реализация; исследование, сравнение, выбор наилучшего (или лучших) методов; сравнение с существующими методами. В ходе осуществления проекта будет проведен полный цикл исследований и решения поставленных задач — от теоретической разработки подхода до практической программной реализации.