| cyqdesign |
2018-09-13 10:01 |
人工智能如何幫助科學(xué)家尋找新粒子？
據(jù)國(guó)外媒體報(bào)道，大型強(qiáng)子對(duì)撞機(jī)（LHC）可以在一秒鐘之內(nèi)撞擊十億對(duì)質(zhì)子。有時(shí)，這臺(tái)巨大的機(jī)器可能會(huì)給現(xiàn)實(shí)世界帶來(lái)驚喜，因?yàn)樵谏贁?shù)碰撞中，會(huì)產(chǎn)生一些前所未有的東西。但是，這樣的驚喜并沒(méi)有什么規(guī)律可言，物理學(xué)家并不確切知道要尋找什么。他們擔(dān)心，在將數(shù)十億次碰撞所獲得的數(shù)據(jù)梳理成更易管理的數(shù)字時(shí)，可能會(huì)無(wú)意中刪掉物理學(xué)新理論的證據(jù)。 \bOjb\ w$
}dUC^04
[attachment=86524] F4x7;?W{*
在搜尋新基本粒子的過(guò)程中，物理學(xué)家總是需要對(duì)粒子的行為作出假設(shè)，但新的機(jī)器學(xué)習(xí)算法卻不用這么做。 C]fTV{
PHvjsA%"
在歐洲核子研究中心（CERN）參與超環(huán)面儀器（ATLAS）實(shí)驗(yàn)的紐約大學(xué)粒子物理學(xué)家凱爾·克蘭默（Kyle Cranmer）說(shuō)：“我們總是擔(dān)心自己會(huì)把嬰兒和洗澡水一起倒掉。” v8Zg og)V
[,^dM:E /
面對(duì)智能數(shù)據(jù)規(guī)約的挑戰(zhàn)，一些物理學(xué)家嘗試使用“深度神經(jīng)網(wǎng)絡(luò)”的機(jī)器學(xué)習(xí)技術(shù)來(lái)挖掘相似事件組成的數(shù)據(jù)海洋，尋找新的物理學(xué)現(xiàn)象。 Lf#G?]@
j6vZ{Fx;w
在初步使用案例中，深度神經(jīng)網(wǎng)絡(luò)通過(guò)研究大量標(biāo)記為“貓”的圖片和標(biāo)記為“狗”的圖片，學(xué)習(xí)如何區(qū)分貓和狗。然而，這種方法在尋找新粒子時(shí)并不適用，因?yàn)槲锢韺W(xué)家無(wú)法為機(jī)器提供他們從未見(jiàn)過(guò)的東西的圖片。因此，物理學(xué)家轉(zhuǎn)而采用所謂的“弱監(jiān)督學(xué)習(xí)”（weakly supervised learning）方法，即機(jī)器從已知粒子開(kāi)始，利用細(xì)化的信息（比如總體上可能發(fā)生的頻率）來(lái)尋找罕見(jiàn)事件。 X{}#hyYk"
!yX<v%>_0
在今年5月份發(fā)表于科學(xué)預(yù)印本網(wǎng)站arxiv.org上的一篇論文中，三位研究人員提出應(yīng)用相關(guān)策略對(duì)“撞擊狩獵”（bump hunting）進(jìn)行擴(kuò)展。這種經(jīng)典的“粒子狩獵”技術(shù)曾用于希格斯玻色子的發(fā)現(xiàn)。美國(guó)勞倫斯伯克利國(guó)家實(shí)驗(yàn)室的研究者本·納赫曼（Ben Nachman）表示，具體的思路是訓(xùn)練機(jī)器在數(shù)據(jù)集中尋找罕見(jiàn)的變化。 SN(=e#ljE
nY9 qYFw
試想一下，我們可以在貓狗實(shí)驗(yàn)的原理基礎(chǔ)上做一個(gè)游戲：在充滿北美森林觀察記錄的數(shù)據(jù)集中尋找新的動(dòng)物物種。假設(shè)任何新的動(dòng)物物種都傾向于聚集在某個(gè)特定的地理區(qū)域（與新粒子圍繞某個(gè)特定質(zhì)量的概念相對(duì)應(yīng)），那算法就應(yīng)該可以通過(guò)鄰近區(qū)域的系統(tǒng)比較，將它們挑出來(lái)。如果加拿大不列顛哥倫比亞省剛好有113只馴鹿，美國(guó)華盛頓州有19只馴鹿（即使數(shù)據(jù)集中有數(shù)百萬(wàn)只松鼠），那程序也能在沒(méi)有直接研究馴鹿的情況下，學(xué)會(huì)將馴鹿與松鼠區(qū)分開(kāi)來(lái)。弱監(jiān)督學(xué)習(xí)研究者、俄勒岡大學(xué)的理論粒子物理學(xué)家說(shuō)：“這不是魔術(shù)，但感覺(jué)像魔術(shù)一樣�！� :dN35Y]
| |