Кварк-глюонная плазма (КГП) - состояние материи, в котором кварки и глюоны находятся в свободном виде. Предполагается, что в таком состоянии материя находилась в первые 10-11 - 10-5 c после Большого взрыва. Изучение КГП ведется на Большом адронном коллайдере (ЦЕРН) [1] и RHIC (Брукхэйвен, США) [2]. В будущем эксперименты также будут проводиться на коллайдере NICA (Россия). Исследования по физике кварк-глюонной плазмы направлены на решение фундаментальной научной задачи современной науки - объяснить структуру, происхождение и эволюцию барионной материи Вселенной, которая составляет основу вещества звёзд, планет и живых существ [3].
Образование КГП в лаборатории возможно в результате столкновения релятивистских тяжелых ионов. Образовавшись при некоторых достаточно больших начальных плотностях энергии, КГП затем расширяется и остывает. Обычно этот процесс описывают с помощью уравнений движения релятивистской жидкости с малой величиной вязкости. После того как материя остывает до критической температуры, начинается процесс адронизации. Области, в которых он происходит, представляют особый интерес, так как в них происходит образование новых частиц. В дальнейшем эволюция продолжается до процесса вымораживания (freezeout). В той части вещества, где произошло вымораживание, перестают выполняться гидродинамические законы. Полная пространственновременная картина соударения тяжелых ядер представлена на рисунке 1 [4].Точное решение уравнений релятивистской гидродинамики, описывающих эволюцию КГП вплоть до момента фризаута, - вычислительно сложная задача. С другой стороны, для анализа свойств материи и расчета образования новых частиц достаточно некоторого приближенного решения. Существуют различные методы, позволяющие найти приближенное решение: приближение малых скоростей, использование идеальной гидродинамики и т.д. Также можно вместо предсказания полной эволюции ограничиться вычислением коэффициентов азимутального потока. Еще одним методом уменьшения времени расчета эволюции КГП может быть подход, основанный на машинном обучении.
В последние годы машинное обучение активно применялось для решения задач из области физики. Примерами таких задач могут быть поиск гравитационных линз [5], исследование плазмы [6] и др.
В нашей задаче компоненты тензора энергии-импульса рассматриваются как изображения, которые обновляются с помощью сверточной нейронной сети. От такого подхода ожидается существенное сокращение времени нахождения решения. В связи с этим целью данной работы являлась разработка приложения приближенно решающего уравнения движения релятивистской жидкости.
Для достижения поставленной цели решались следующие задачи:
• Построение и обучение нейронных моделей, позволяющих построить эволюцию КГП;
• Создание консольной утилиты, автоматизирующей процесс предсказания.
В данной работе исследована применимость архитектуры U-net к решению уравнений релятивистской гидродинамики, в частности, к предсказанию эволюции кварк-глюонной плазмы. Было разработано 3 эффективных нейросетевых подхода на основе архитектуры U-net, позволяющих построить эволюцию кварк-глюонной плазмы. На основе этих подходов была написана консольная утилита, способная строить эволюцию КГП вплоть до момента полного вымораживания. Использование утилиты позволило в 100 раз сократить время нахождения решения уравнений движения тензора энергии-импульса T^v. При этом ошибка предсказания конкретной компоненты T^v не превышает 0.7%.
Разработанная утилита почти готова к использованию на практике. Для более высокой эффективности генерации событий необходимо реализовать пакетную обработку семплов.
После доработки утилита может быть внедрена в вычислительные среды экспериментов ALICE на Большом адронном коллайдере и MPD на коллайдере NICA.
