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 时要对粒子的行为作出假设,但新的机器学习算法却我不要 都都可以 了做。

  9月13日消息,据国外媒体报道,大型强子对撞机(LHC)能都都可以 了在一秒钟之内撞击十亿对质子。有时,这台巨大的机器由于 会给现实世界带来惊喜,由于 在少数碰撞中,会产生你这名前所未有的东西。之前 ,之前 的惊喜并都都可以 了那此规律可言,物理学家我不要 确切知道要寻找那此。大伙儿担心,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,由于 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:“大伙儿经常 担心当事人会把婴儿和洗澡水一起倒掉。”

  面对智能数据规约的挑战,你这名物理学家尝试使用“厚度神经网络”的机器学习技术来挖掘之类事件组成的数据海洋,寻找新的物理学问题报告 。

  在初步使用案例中,厚度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,学习咋样区分猫和狗。然而,你这名依据在寻找新粒子时我不要 适用,由于 物理学家无法为机器提供大伙儿从未见过的东西的图片。之前 ,物理学家转而采用所谓的“弱监督学习”(weakly supervised learning)依据,即机器从已知粒子现在现在开始 ,利用细化的信息(比如总体上由于 处于的频率)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。你这名经典的“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,大伙儿能都都可以 了在猫狗实验的原理基础上做另一一5个多多游戏: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),那算法就应该能都都可以 了通过邻近区域的系统比较,将它们挑出来。由于 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(即使数据集含有数百万只松鼠),那任务管理器池池都可以 在都都可以 了直接研究驯鹿的情况表下,研究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:“这都在魔术,但感觉像魔术一样。”

  相比之下,粒子物理学中的传统搜索依据通常要求研究人员对新问题报告 是那此样子做出假设。大伙儿会创建另一一5个多多描述新粒子行为的模型。类事,另一一5个多多新粒子由于 有衰变成一大群已知粒子的趋势。都都可以 了在定义了所要寻找的东西之前 ,大伙儿都可以 设计出自定义的搜索策略。这项工作通常时为宜另一一5个多多博士研究生为宜一年的时间,而纳赫曼认为,你这名过程能都都可以 了完成得变慢、更彻底。

  有研究者提出了CWoLa算法,即无标签分类(Classification Without Labels),能都都可以 了搜索任意未知粒子的现有数据,无论该粒子是衰变成另一一5个多多类事型未知粒子,还是另一一5个多多类事型或不类事型已知粒子。利用常规的搜索模型,LHC战略战略合作机构由于 时要为宜20年时间来寻找后四种 情况表的由于 性,而目前对前四种 情况表的搜索仍都都可以 了任何结果。参与ATLAS项目的纳赫曼表示,CWoLa算法能都都可以 了一次完成所有那此工作。

  你这名实验粒子物理学家也认为,这将是另一一5个多多很有价值的项目。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:“大伙儿由于 分析了你这名可预测的区域,之前 接下来大伙儿要现在现在开始 填补那此尚未分析的角落,这是怪怪的要的另一一5个多多方向。”去年,她和你这名同事就在尝试设计四种 灵活的软件,对一系列不同质量的粒子进行外理,但大伙儿中都都可以 了人对机器学习有足够的了解。“我愿意现在是尝试一下的之前 了,”帕查尔说道。

  厚度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。你这名机器学习技术由于 成功提高了LHC进行特定任务的传输时延,比如识别由底夸克粒子产生的“喷注”。在这项工作中,物理学家毫无问题报告 也会错过你这名信号。加州大学欧文分校的粒子物理学家丹尼尔·怀特森(Daniel Whiteson)说:“大伙儿把信息遗留在桌面上,而当你在另一一5个多多机器上花了200亿美元,你我不要 想把信息留在桌子上。”

  不过,机器学习虽然充满了任务管理器池池将手臂混淆为哑铃的警示故事(甚至还有更糟糕的情况表)。对于LHC,其他同学担心机器学习的“捷径”最终反映的是LHC机器四种 的各种小问题报告 ,而那此问题报告 正是实验物理学家努力愿意忽视的。ATLAS项目的物理学家蒂尔·艾费特(Till Eifert)问道:“当你发现另一一5个多多异常时,你虽然它是新物理学突破呢,还是探测器处于了那此有意思的情况表?”