人工智能如何帮助科学家寻找新粒子?

  • 时间:
  • 浏览:0
  • 来源:10分6合-10分6合平台_10分6合网投平台
  在搜寻新基本粒子的过程中,物理学家突然需用对粒子的行为作出假设,但新的机器学习算法却不想没法做。

  9月13日消息,据国外媒体报道,大型强子对撞机(LHC)都能不能 在一秒钟之内撞击十亿对质子。有时,这台巨大的机器不可能 会给现实世界带来惊喜,不可能 在少数碰撞中,会产生很久 前所未有的东西。很久 ,曾经的惊喜并没哪些地方地方规律可言,物理学家不想说确切知道要寻找哪些地方。亲们担心,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,不可能 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:“亲们儿突然担心个人会把婴儿和洗澡水一块儿倒掉。”

  面对智能数据规约的挑战,很久 物理学家尝试使用“层厚神经网络”的机器学习技术来挖掘这例如件组成的数据海洋,寻找新的物理学哪些地方的问题报告 。

  在初步使用案例中,层厚神经网络通过研究几滴 标记为“猫”的图片和标记为“狗”的图片,学习怎样区分猫和狗。然而,你这些法律方法在寻找新粒子时不想说适用,不可能 物理学家无法为机器提供亲们从未见过的东西的图片。很久 ,物理学家转而采用所谓的“弱监督学习”(weakly supervised learning)法律方法,即机器从已知粒子刚开始,利用细化的信息(比如总体上不可能 趋于稳定的频率)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。你这些经典的“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,亲们儿都能不能 在猫狗实验的原理基础上做另两个游戏: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),那算法就应该都能不能 通过邻近区域的系统比较,将它们挑出来。不可能 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(即使数据集暗含数百万只松鼠),那系统任务管理器都能不能在没法直接研究驯鹿的情况报告下,医学会 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:“这全部有的是魔术,但感觉像魔术一样。”

  相比之下,粒子物理学中的传统搜索法律方法通常要求研究人员对新哪些地方的问题报告 是哪些地方样子做出假设。亲们会创建另两个描述新粒子行为的模型。例如,另两个新粒子不可能 有衰变成一大群已知粒子的趋势。只能在定义了所要寻找的东西前一天,亲们都能不能设计出自定义的搜索策略。这项工作通常需合适另两个博士研究生合适一年的时间,而纳赫曼认为,你这些过程都能不能 完成得更快、更彻底。

  有研究者提出了CWoLa算法,即无标签分类(Classification Without Labels),都能不能 搜索任意未知粒子的现有数据,无论该粒子是衰变成另两个例如型未知粒子,还是另两个例如型或不例如型已知粒子。利用常规的搜索模型,LHC合作法律方法协议机构不可能 需用合适20年时间来寻找后有并是不是情况报告的不可能 性,而目前对前有并是不是情况报告的搜索仍没法任何结果。参与ATLAS项目的纳赫曼表示,CWoLa算法都能不能 一次完成所哪些地方地方地方工作。

  很久 实验粒子物理学家也认为,这将是另两个很有价值的项目。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:“亲们儿不可能 分析了很久 可预测的区域,很久 接下来亲们儿要刚开始填补哪些地方地方尚未分析的角落,这是一阵一阵要的另两个方向。”去年,她和很久 同事就在尝试设计有并是不是灵活的软件,对一系列不同质量的粒子进行解决,但亲们中没法人对机器学习有足够的了解。“帮我现在是尝试一下的前一天了,”帕查尔说道。

  层厚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。很久 机器学习技术不可能 成功提高了LHC进行特定任务的带宽,比如识别由底夸克粒子产生的“喷注”。在这项工作中,物理学家毫无哪些地方的问题报告 也会错过很久 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:“亲们把信息遗留在桌面上,而当你在另两个机器上花了30亿美元,你不想想把信息留在桌子上。”

  不过,机器学习虽然充满了系统任务管理器将手臂混淆为哑铃的警示故事(甚至还有更糟糕的情况报告)。对于LHC,一帮人担心机器学习的“捷径”最终反映的是LHC机器有并是不是的各种小哪些地方的问题报告 ,而哪些地方地方哪些地方的问题报告 正是实验物理学家努力我你要忽视的。ATLAS项目的物理学家蒂尔·艾费特(Till Eifert)问道:“当你发现另两个异常时,你虽然它是新物理学突破呢,还是探测器趋于稳定了哪些地方有意思的情况报告?”