人工智能如何帮助科学家寻找新粒子?

  • 时间:
  • 浏览:0
  • 来源:快3网站叫什么名字_豪运国际大发快3网站
  在搜寻新基本粒子的过程中,物理学家总爱都还上能 对粒子的行为作出假设,但新的机器学习算法却不要没办法 做。

  9月13日消息,据国外媒体报道,大型强子对撞机(LHC)能必须在一秒钟之内撞击十亿对质子。有时,这台巨大的机器原因分析分析会给现实世界带来惊喜,原因分析分析在少数碰撞中,会产生有些前所未有的东西。因此,原先的惊喜并没哪些规律可言,物理学家不要确切知道要寻找哪些。亲戚亲戚朋友担心,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,原因分析分析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:“亲戚亲戚朋友总爱担心当事人会把婴儿和洗澡水一并倒掉。”

  面对智能数据规约的挑战,有些物理学家尝试使用“层厚神经网络”的机器学习技术来挖掘类式于事件组成的数据海洋,寻找新的物理学问题图片图片。

  在初步使用案例中,层厚神经网络通过研究极少量标记为“猫”的图片和标记为“狗”的图片,学习咋样区分猫和狗。然而,這個最好的妙招在寻找新粒子时不要适用,原因分析分析物理学家无法为机器提供亲戚亲戚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)最好的妙招,即机器从已知粒子然后开始英文,利用细化的信息(比如总体上原因分析分析位于的频率)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。這個经典的“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,亲戚亲戚朋友能必须在猫狗实验的原理基础上做一个多游戏: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),那算法就应该能必须通过邻近区域的系统比较,将它们挑出来。原因分析分析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),那线程池都还上能在没办法 直接研究驯鹿的情況下,学精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:“这也有魔术,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妙招通常要求研究人员对新问题图片图片是哪些样子做出假设。亲戚亲戚朋友会创建一个多描述新粒子行为的模型。类式于,一个多新粒子原因分析分析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然后,亲戚亲戚朋友都还上能设计出自定义的搜索策略。这项工作通常需离米 一个多博士研究生离米 一年的时间,而纳赫曼认为,這個过程能必须完成得放慢、更彻底。

  有研究者提出了CWoLa算法,即无标签分类(Classification Without Labels),能必须搜索任意未知粒子的现有数据,无论该粒子是衰变成一个多类式于型未知粒子,还是一个多类式于型或不类式于型已知粒子。利用常规的搜索模型,LHC合作协议协议机构原因分析分析都还上能 离米 20年时间来寻找后四种 情況的原因分析分析性,而目前对前四种 情況的搜索仍没办法 任何结果。参与ATLAS项目的纳赫曼表示,CWoLa算法能必须一次完成所哪些工作。

  有些实验粒子物理学家也认为,这将是一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:“亲戚亲戚朋友原因分析分析分析了有些可预测的区域,因此接下来亲戚亲戚朋友要然后开始英文填补哪些尚未分析的角落,这是很重要的一个多方向。”去年,她和有些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补救,但亲戚亲戚朋友中没办法 人对机器学习有足够的了解。“我要现在是尝试一下的然后了,”帕查尔说道。

  层厚神经网络有希望在不能够目前建模工作的数据中发现微妙的相关性。有些机器学习技术原因分析分析成功提高了LHC进行特定任务的层厚,比如识别由底夸克粒子产生的“喷注”。在这项工作中,物理学家毫无问题图片图片也会错过有些信号。加州大学欧文分校的粒子物理学家丹尼尔·怀特森(Daniel Whiteson)说:“亲戚亲戚朋友把信息遗留在桌面上,而当你在一个多机器上花了1000亿美元,你不要想把信息留在桌子上。”

  不过,机器学习我我觉得充满了线程池将手臂混淆为哑铃的警示故事(甚至还有更糟糕的情況)。对于LHC,人们担心机器学习的“捷径”最终反映的是LHC机器四种 的各种小问题图片图片,而哪些问题图片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:“当你发现一个多异常时,你我我觉得它是新物理学突破呢,还是探测器位于了哪些有意思的情況?”