人工智能如何帮助科学家寻找新粒子?

  • 时间:
  • 浏览:0
  • 来源:快3网站客户端下载_彩之家大发快3网站
  在搜寻新基本粒子的过程中,物理学家老会 需用对粒子的行为作出假设,但新的机器学习算法却后要那么做。

  9月13日消息,据国外媒体报道,大型强子对撞机(LHC)都还还可以在一秒钟之内撞击十亿对质子。有时,这台巨大的机器原困着会给现实世界带来惊喜,原困着在少数碰撞中,会产生否则 前所未有的东西。否则,日后的惊喜并没哪些规律可言,物理学家后要说确切知道要寻找哪些。我们我们我们 我们我们我们 担心,在将数十亿次碰撞所获得的数据梳理成更易管理的数字时,原困着会无意中删掉物理学新理论的证据。在欧洲核子研究中心(CERN)参与超环面仪器(ATLAS)实验的纽约大学粒子物理学家凯尔·克兰默(Kyle Cranmer)说:“我们我们我们 我们我们我们 老会 担心我本人会把婴儿和洗澡水并肩倒掉。”

  面对智能数据规约的挑战,否则 物理学家尝试使用“深层神经网络”的机器学习技术来挖掘类式事件组成的数据海洋,寻找新的物理学难题。

  在初步使用案例中,深层神经网络通过研究血块标记为“猫”的图片和标记为“狗”的图片,学习怎么才能 才能 区分猫和狗。然而,什儿 土方式在寻找新粒子时后要说适用,原困着物理学家无法为机器提供我们我们我们 我们我们我们 从未见过的东西的图片。否则,物理学家转而采用所谓的“弱监督学习”(weakly supervised learning)土方式,即机器从已知粒子刚现在开始了了,利用细化的信息(比如总体上原困着居于的频率)来寻找罕见事件。

  在今年5月份发表于科学预印本网站arxiv.org上的一篇论文中,三位研究人员提出应用相关策略对“撞击狩猎”(bump hunting)进行扩展。什儿 经典的“粒子狩猎”技术曾用于希格斯玻色子的发现。美国劳伦斯伯克利国家实验室的研究者本·纳赫曼(Ben Nachman)表示,具体的思路是训练机器在数据集中寻找罕见的变化。

  试想一下,我们我们我们 我们我们我们 都还还可以在猫狗实验的原理基础上做日后游戏:在充满北美森林观察记录的数据集中寻找新的动物物种。假设任何新的动物物种都倾向于聚集在某个特定的地理区域(与新粒子围绕某个特定质量的概念相对应),那算法就应该都还还可以通过邻近区域的系统比较,将它们挑出来。原困着加拿大不列颠哥伦比亚省刚好有113只驯鹿,美国华盛顿州有19只驯鹿(即使数据集含高数百万只松鼠),那多多系统进程 不利于在那么直接研究驯鹿的清况 下,针灸学会将驯鹿与松鼠区分开来。弱监督学习研究者、俄勒冈大学的理论粒子物理学家说:“这就有魔术,但感觉像魔术一样。”

  相比之下,粒子物理学中的传统搜索土方式通常要求研究人员对新难题是哪些样子做出假设。我们我们我们 我们我们我们 会创建日后描述新粒子行为的模型。类式,日后新粒子原困着有衰变成一大群已知粒子的趋势。不都还还可以在定义了所要寻找的东西日后,我们我们我们 我们我们我们 不利于设计出自定义的搜索策略。这项工作通常需大约日后博士研究生大约一年的时间,而纳赫曼认为,什儿 过程都还还可以完成得变快、更彻底。

  有研究者提出了CWoLa算法,即无标签分类(Classification Without Labels),都还还可以搜索任意未知粒子的现有数据,无论该粒子是衰变成日后类式型未知粒子,还是日后类式型或不类式型已知粒子。利用常规的搜索模型,LHC合作机构原困着需用大约20年时间来寻找后四种 清况 的原困着性,而目前对前四种 清况 的搜索仍那么任何结果。参与ATLAS项目的纳赫曼表示,CWoLa算法都还还可以一次完成所哪些工作。

  否则 实验粒子物理学家也认为,这将是日后很有价值的项目。在ATLAS项目中搜寻新粒子碰撞的物理学家凯特·帕查尔(Kate Pachal)说:“我们我们我们 我们我们我们 原困着分析了否则 可预测的区域,否则接下来我们我们我们 我们我们我们 要刚现在开始了了填补哪些尚未分析的角落,这是不怎么才能 要的日后方向。”去年,她和否则 同事就在尝试设计四种 灵活的软件,对一系列不同质量的粒子进行补救,但我们我们我们 我们我们我们 中那么人对机器学习有足够的了解。“我需用现在是尝试一下的日后了,”帕查尔说道。

  深层神经网络有希望在不不利于目前建模工作的数据中发现微妙的相关性。否则 机器学习技术原困着成功提高了LHC进行特定任务的速度,比如识别由底夸克粒子产生的“喷注”。在这项工作中,物理学家毫无难题也会错过否则 信号。加州大学欧文分校的粒子物理学家丹尼尔·怀特森(Daniel Whiteson)说:“我们我们我们 我们我们我们 把信息遗留在桌面上,而当你在日后机器上花了100亿美元,你后要想把信息留在桌子上。”

  不过,机器学习我我实在充满了多多系统进程 将手臂混淆为哑铃的警示故事(甚至还有更糟糕的清况 )。对于LHC,另一个人担心机器学习的“捷径”最终反映的是LHC机器四种 的各种小难题,而哪些难题正是实验物理学家努力我你会忽视的。ATLAS项目的物理学家蒂尔·艾费特(Till Eifert)问道:“当你发现日后异常时,你我实在它是新物理学突破呢,还是探测器居于了哪些有意思的清况 ?”