人工智能如何帮助科学家寻找新粒子?

  • 时间:
  • 浏览:1
  • 来源:五分6合app下载-五分6合app下载安装-五分6合网站
  在搜寻新基本粒子的过程中,物理学家突然时要对粒子的行为作出假设,但新的机器学习算法却不让必须做。

  9月13日消息,据国外媒体报道,大型强子对撞机(LHC)还要能在一秒钟之内撞击十亿对质子。有时,这台巨大的机器因此会给现实世界带来惊喜,因此在少数碰撞中,会产生一点前所未有的东西。因此,另有有一还还有一个的惊喜并必须你你什儿 规律可言,物理学家不让说确切知道要寻找你你什儿 。亲戚亲戚当当让让我们当当让让我们担心,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,因此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:“亲戚亲戚亲戚当当让让我们当当让让我们突然担心被委托人会把婴儿和洗澡水一齐倒掉。”

  面对智能数据规约的挑战,一点物理学家尝试使用“深层神经网络”的机器学习技术来挖掘类似事件组成的数据海洋,寻找新的物理学大大问题。

  在初步使用案例中,深层神经网络通过研究小量标记为“猫”的图片和标记为“狗”的图片,学习如可区分猫和狗。然而,你你什儿 方法在寻找新粒子时不让说适用,因此物理学家无法为机器提供亲戚亲戚当当让让我们当当让让我们从未见过的东西的图片。因此,物理学家转而采用所谓的“弱监督学习”(weakly supervised learning)方法,即机器从已知粒子开始 英文,利用细化的信息(比如总体上因此所处的频率)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。你你什儿 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,亲戚亲戚亲戚当当让让我们当当让让我们还要能在猫狗实验的原理基础上做另有有一还还有一个游戏: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),那算法就应该还要能通过邻近区域的系统比较,将它们挑出来。因此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(即使数据集蕴含数百万只松鼠),那程序要能在必须直接研究驯鹿的清况 下,法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:“这全部都是魔术,但感觉像魔术一样。”

  相比之下,粒子物理学中的传统搜索方法通常要求研究人员对新大大问题是你你什儿 样子做出假设。亲戚亲戚当当让让我们当当让让我们会创建另有有一还还有一个描述新粒子行为的模型。类似,另有有一还还有一个新粒子因此有衰变成一大群已知粒子的趋势。必须在定义了所要寻找的东西要是,亲戚亲戚当当让让我们当当让让我们要能设计出自定义的搜索策略。这项工作通常需大概另有有一还还有一个博士研究生大概一年的时间,而纳赫曼认为,你你什儿 过程还要能完成得放慢、更彻底。

  有研究者提出了CWoLa算法,即无标签分类(Classification Without Labels),还要能搜索任意未知粒子的现有数据,无论该粒子是衰变成另有有一还还有一个类似型未知粒子,还是另有有一还还有一个类似型或不类似型已知粒子。利用常规的搜索模型,LHC战略相互合作机构因此时要大概20年时间来寻找后并与非 清况 的因此性,而目前对前并与非 清况 的搜索仍必须任何结果。参与ATLAS项目的纳赫曼表示,CWoLa算法还要能一次完成所有你你什儿 工作。

  一点实验粒子物理学家也认为,这将是另有有一还还有一个很有价值的项目。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:“亲戚亲戚亲戚当当让让我们当当让让我们因此分析了一点可预测的区域,因此接下来亲戚亲戚亲戚当当让让我们当当让我们时要开始 英文填补你你什儿 尚未分析的角落,这是怪怪的要的另有有一还还有一个方向。”去年,她和一点同事就在尝试设计并与非 灵活的软件,对一系列不同质量的粒子进行外理,但亲戚亲戚当当让让我们当当让让我们中必须人对机器学习有足够的了解。“我想现在是尝试一下的要是了,”帕查尔说道。

  深层神经网络有希望在不有益于目前建模工作的数据中发现微妙的相关性。一点机器学习技术因此成功提高了LHC进行特定任务的传输速度,比如识别由底夸克粒子产生的“喷注”。在这项工作中,物理学家毫无大大问题也会错过一点信号。加州大学欧文分校的粒子物理学家丹尼尔·怀特森(Daniel Whiteson)说:“亲戚亲戚当当让让我们当当让让我们把信息遗留在桌面上,而当你在另有有一还还有一个机器上花了5000亿美元,你不让想把信息留在桌子上。”

  不过,机器学习确实充满了程序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,一群人担心机器学习的“捷径”最终反映的是LHC机器并与非 的各种小大大问题,而你你什儿 大大问题正是实验物理学家努力你还都能否忽视的。ATLAS项目的物理学家蒂尔·艾费特(Till Eifert)问道:“当你发现另有有一还还有一个异常时,你确实它是新物理学突破呢,还是探测器所处了你你什儿 有意思的清况 ?”