人工智能如何帮助科学家寻找新粒子?

  • 时间:
  • 浏览:0
  • 来源:1.5分赛车平台-10分6合网投平台_10分彩投注平台
  在搜寻新基本粒子的过程中,物理学家一直不还可以对粒子的行为作出假设,但新的机器学习算法却无需这样做。

  9月13日消息,据国外媒体报道,大型强子对撞机(LHC)不还可以在一秒钟之内撞击十亿对质子。有时,这台巨大的机器将会会给现实世界带来惊喜,将会在少数碰撞中,会产生如果 前所未有的东西。如果 ,1个多多 的惊喜并没哪些地方地方规律可言,物理学家无需说确切知道要寻找哪些地方。亲戚亲戚大伙担心,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,将会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:“亲戚亲戚大伙一直担心本人会把婴儿和洗澡水同時 倒掉。”

  面对智能数据规约的挑战,如果 物理学家尝试使用“厚度神经网络”的机器学习技术来挖掘之之类件组成的数据海洋,寻找新的物理学难题图片。

  在初步使用案例中,厚度神经网络通过研究极少量标记为“猫”的图片和标记为“狗”的图片,学习怎么可以区分猫和狗。然而,如果 土措施在寻找新粒子时无需说适用,将会物理学家无法为机器提供亲戚亲戚大伙从未见过的东西的图片。如果 ,物理学家转而采用所谓的“弱监督学习”(weakly supervised learning)土措施,即机器从已知粒子始于英语 了了,利用细化的信息(比如总体上将会存在的频率)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。如果 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,亲戚亲戚大伙不还可以在猫狗实验的原理基础上做1个多 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),那算法就应该不还可以通过邻近区域的系统比较,将它们挑出来。将会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(即使数据集带有数百万只松鼠),那应用系统进程不能在这样直接研究驯鹿的情形下,自学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:“这全是魔术,但感觉像魔术一样。”

  相比之下,粒子物理学中的传统搜索土措施通常要求研究人员对新难题图片是哪些地方样子做出假设。亲戚亲戚大伙会创建1个多 描述新粒子行为的模型。之类,1个多 新粒子将会有衰变成一大群已知粒子的趋势。不还可以在定义了所要寻找的东西如果 ,亲戚亲戚大伙不能设计出自定义的搜索策略。这项工作通常需大约1个多 博士研究生大约一年的时间,而纳赫曼认为,如果 过程不还可以完成得减慢、更彻底。

  有研究者提出了CWoLa算法,即无标签分类(Classification Without Labels),不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1个多 之类型未知粒子,还是1个多 之类型或不之类型已知粒子。利用常规的搜索模型,LHC战略战略合作机构将会不还可以大约20年时间来寻找后本身情形的将会性,而目前对前本身情形的搜索仍这样任何结果。参与ATLAS项目的纳赫曼表示,CWoLa算法不还可以一次完成所哪些地方地方地方工作。

  如果 实验粒子物理学家也认为,这将是1个多 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:“亲戚亲戚大伙将会分析了如果 可预测的区域,如果 接下来亲戚亲戚大伙要始于英语 了了填补哪些地方地方尚未分析的角落,这是有点儿要的1个多 方向。”去年,她和如果 同事就在尝试设计本身灵活的软件,对一系列不同质量的粒子进行出理 ,但亲戚亲戚大伙中这样人对机器学习有足够的了解。“我不还可以现在是尝试一下的如果 了,”帕查尔说道。

  厚度神经网络有希望在不能够目前建模工作的数据中发现微妙的相关性。如果 机器学习技术将会成功提高了LHC进行特定任务的数率,比如识别由底夸克粒子产生的“喷注”。在这项工作中,物理学家毫无难题图片也会错过如果 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:“亲戚亲戚大伙把信息遗留在桌面上,而当你在1个多 机器上花了200亿美元,你无需想把信息留在桌子上。”

  不过,机器学习我我觉得充满了应用系统进程将手臂混淆为哑铃的警示故事(甚至还有更糟糕的情形)。对于LHC,有人担心机器学习的“捷径”最终反映的是LHC机器本身的各种小难题图片,而哪些地方地方难题图片正是实验物理学家努力想要忽视的。ATLAS项目的物理学家蒂尔·艾费特(Till Eifert)问道:“当你发现1个多 异常时,你我我觉得它是新物理学突破呢,还是探测器存在了哪些地方有意思的情形?”