人工智能如何帮助科学家寻找新粒子?

  • 时间:
  • 浏览:1
  在搜寻新基本粒子的过程中,物理学家经常只能对粒子的行为作出假设,但新的机器学习算法却不要没法 做。

  9月13日消息,据国外媒体报道,大型强子对撞机(LHC)都里能 在一秒钟之内撞击十亿对质子。有时,这台巨大的机器怎样才能让会给现实世界带来惊喜,怎样才能让在少数碰撞中,会产生怎样才能让 前所未有的东西。怎样才能让,另有1个 的惊喜并没法 什么规律可言,物理学家从不确切知道要寻找什么。其他同学都 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,怎样才能让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:“其他同学都 儿经常担心我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,怎样才能让 物理学家尝试使用“淬硬层 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,寻找新的物理学现象。

  在初步使用案例中,淬硬层 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,学习怎样才能区分猫和狗。然而,怎样才能让 办法 在寻找新粒子时从不适用,怎样才能让物理学家无法为机器提供其他同学都 从未见过的东西的图片。怎样才能让,物理学家转而采用所谓的“弱监督学习”(weakly supervised learning)办法 ,即机器从已知粒子刚结束了,利用细化的信息(比如总体上怎样才能让地处的频率)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。怎样才能让 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,其他同学都 儿都里能 在猫狗实验的原理基础上做有1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),那算法就应该都里能 通过邻近区域的系统比较,将它们挑出来。怎样才能让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(即使数据集富含数百万只松鼠),那线程要能在没法 直接研究驯鹿的情况汇报下,學會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办法 通常要求研究人员对新现象是什么样子做出假设。其他同学都 会创建有1个 描述新粒子行为的模型。之类,有1个 新粒子怎样才能让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后来 ,其他同学都 要能设计出自定义的搜索策略。这项工作通常需大约有1个 博士研究生大约一年的时间,而纳赫曼认为,怎样才能让 过程都里能 完成得快一点 、更彻底。

  有研究者提出了CWoLa算法,即无标签分类(Classification Without Labels),都里能 搜索任意未知粒子的现有数据,无论该粒子是衰变成有1个 之类型未知粒子,还是有1个 之类型或不之类型已知粒子。利用常规的搜索模型,LHC媒体合作机构怎样才能让只能大约20年时间来寻找后某种情况汇报的怎样才能让性,而目前对前某种情况汇报的搜索仍没法 任何结果。参与ATLAS项目的纳赫曼表示,CWoLa算法都里能 一次完成所有什么工作。

  怎样才能让 实验粒子物理学家也认为,这将是有1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:“其他同学都 儿怎样才能让分析了怎样才能让 可预测的区域,怎样才能让接下来其他同学都 儿要刚结束了填补什么尚未分析的角落,这是很重要的有1个 方向。”去年,她和怎样才能让 同事就在尝试设计某种灵活的软件,对一系列不同质量的粒子进行除理,但其他同学都 中没法 人对机器学习有足够的了解。“我你会 现在是尝试一下的后来 了,”帕查尔说道。

  淬硬层 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。怎样才能让 机器学习技术怎样才能让成功提高了LHC进行特定任务的淬硬层 ,比如识别由底夸克粒子产生的“喷注”。在这项工作中,物理学家毫无现象也会错过怎样才能让 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:“其他同学都 把信息遗留在桌面上,而当你在有1个 机器上花了1150亿美元,你不要想把信息留在桌子上。”

  不过,机器学习觉得充满了线程将手臂混淆为哑铃的警示故事(甚至还有更糟糕的情况汇报)。对于LHC,其他同学担心机器学习的“捷径”最终反映的是LHC机器某种的各种小现象,而什么现象正是实验物理学家努力你会 忽视的。ATLAS项目的物理学家蒂尔·艾费特(Till Eifert)问道:“当你发现有1个 异常时,你觉得它是新物理学突破呢,还是探测器地处了什么有意思的情况汇报?”