人工智能如何帮助科学家寻找新粒子?

  • 时间:
  • 浏览:0
  • 来源:3分彩平台-3分彩网投平台_3分彩投注平台
  在搜寻新基本粒子的过程中,物理学家一个劲都要对粒子的行为作出假设,但新的机器学习算法却不需要没有做。

  9月13日消息,据国外媒体报道,大型强子对撞机(LHC)都都要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,会产生一点前所未有的东西。因此,原来的惊喜并没有哪几种规律可言,物理学家从不确切知道要寻找哪几种。朋友担心,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:“朋友一个劲担心本人会把婴儿和洗澡水一并倒掉。”

  面对智能数据规约的挑战,一点物理学家尝试使用“宽度神经网络”的机器学习技术来挖掘类事事件组成的数据海洋,寻找新的物理学现象图片。

  在初步使用案例中,宽度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,你你这些最好的办法在寻找新粒子时从不适用,不可能 物理学家无法为机器提供朋友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)最好的办法,即机器从已知粒子结束,利用细化的信息(比如总体上不可能 位于的频率)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。你你这些经典的“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,朋友都都要在猫狗实验的原理基础上做两个 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),那算法就应该都都要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(即使数据集包含数百万只松鼠),那程序运行运行并能在没有直接研究驯鹿的状况下,学着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:“这都要魔术,但感觉像魔术一样。”

  相比之下,粒子物理学中的传统搜索最好的办法通常要求研究人员对新现象图片是哪几种样子做出假设。朋友会创建两个 多描述新粒子行为的模型。类事,两个 多新粒子不可能 有衰变成一大群已知粒子的趋势。并能了在定义了所要寻找的东西完后 ,朋友并能设计出自定义的搜索策略。这项工作通常需至少两个 多博士研究生至少一年的时间,而纳赫曼认为,你你这些过程都都要完成得很快、更彻底。

  有研究者提出了CWoLa算法,即无标签分类(Classification Without Labels),都都要搜索任意未知粒子的现有数据,无论该粒子是衰变成两个 多类事型未知粒子,还是两个 多类事型或不类事型已知粒子。利用常规的搜索模型,LHC企业合作机构不可能 都要至少20年时间来寻找后你你这些状况的不可能 性,而目前对前你你这些状况的搜索仍没有任何结果。参与ATLAS项目的纳赫曼表示,CWoLa算法都都要一次完成所有哪几种工作。

  一点实验粒子物理学家也认为,这将是两个 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:“朋友不可能 分析了一点可预测的区域,因此接下来朋友要结束填补哪几种尚未分析的角落,这是不怎么才能 要的两个 多方向。”去年,她和一点同事就在尝试设计你你这些灵活的软件,对一系列不同质量的粒子进行防止,但朋友中没有人对机器学习有足够的了解。“我就要现在是尝试一下的完后 了,”帕查尔说道。

  宽度神经网络有希望在不有有助于于目前建模工作的数据中发现微妙的相关性。一点机器学习技术不可能 成功提高了LHC进行特定任务的速率单位单位 ,比如识别由底夸克粒子产生的“喷注”。在这项工作中,物理学家毫无现象图片也会错过一点信号。加州大学欧文分校的粒子物理学家丹尼尔·怀特森(Daniel Whiteson)说:“朋友把信息遗留在桌面上,而当你在两个 多机器上花了30亿美元,你不需要想把信息留在桌子上。”

  不过,机器学习着实充满了程序运行运行将手臂混淆为哑铃的警示故事(甚至还有更糟糕的状况)。对于LHC,许多人担心机器学习的“捷径”最终反映的是LHC机器你你这些的各种小现象图片,而哪几种现象图片正是实验物理学家努力你要忽视的。ATLAS项目的物理学家蒂尔·艾费特(Till Eifert)问道:“当你发现两个 多异常时,你着实它是新物理学突破呢,还是探测器位于了哪几种有意思的状况?”