T大型强子对撞机（LHC）每秒将十亿对质子碰撞在一起。偶尔，这台机器可能会对现实发出足够的嘎嘎声，让其中一些碰撞产生一些以前从未见过的东西。但由于这些事件本质上是一个惊喜，物理学家不知道到底该寻找什么。他们担心，在将数十亿次碰撞的数据筛选到一个更易于管理的数字的过程中，他们可能无意中删除了新物理学的证据。“我们总是害怕把孩子和洗澡水一起扔掉，”他说克莱默他是纽约大学的粒子物理学家，在欧洲核子研究中心从事阿特拉斯实验。
面对智能数据简化的挑战，一些物理学家正试图使用一种被称为“深度神经网络”的机器学习技术，从熟悉事件的海洋中挖掘新的物理现象。
在原型用例中，深度神经网络通过研究一堆标记为“猫”的照片和一堆标记为“狗”的照片来学习区分猫和狗。但这种方法在寻找新粒子时不起作用，因为物理学家无法向机器提供他们从未见过的东西的图片。因此，他们转向“弱监督学习”，即机器从已知粒子开始，然后使用较少粒度的信息寻找罕见事件，例如它们可能发生的频率。
在一个纸张五月份，三位研究人员在科学预印本网站arxiv.org上发表了一篇文章，他们提议应用一种相关的策略来扩展发现希格斯玻色子的经典粒子搜索技术“碰撞搜索”，本·纳希曼劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory)的一名研究人员将训练这台机器找出数据集中的罕见变异。
把猫和狗的精神作为一个玩具的例子，在一个充满北美洲森林观察的数据集中，试图发现一种动物的新物种的问题。假设任何新的动物可能会聚集在某些地理区域。（这一概念与围绕一定质量聚集的新粒子相对应），该算法应该能够通过系统地比较相邻区域来识别它们。如果不列颠哥伦比亚省碰巧有113只驯鹿，华盛顿州的19只驯鹿（即使在数百万只松鼠的背景下），该项目将学习驯鹿和松鼠的分类，而无需直接研究驯鹿。“这不是魔术，但感觉像魔术，”他说蒂姆•科恩俄勒冈大学的一位理论粒子物理学家也在研究弱监管。
相比之下，传统的粒子物理学研究通常要求研究人员对新现象做出假设。他们建立了一个新粒子行为的模型——例如，一个新粒子可能倾向于衰变成已知粒子的特定星座。只有在他们明确了他们要找的东西之后，他们才能设计一个定制的搜索策略。这是一项博士生通常至少需要一年时间才能完成的任务，而Nachman认为这项任务可以更快、更彻底地完成。
所提出的CWoLa算法，即没有标签的分类算法，可以搜索现有的任何未知粒子的数据，这些未知粒子要么衰变为两个较轻的相同类型的未知粒子，要么衰变为两个相同或不同类型的已知粒子。使用普通的搜索方法，至少需要大型强子对撞机的合作20年为了寻找后者的可能性，目前还没有关于前者的搜索。从事ATLAS项目的Nachman说，CWoLa可以一次完成所有的搜索。
其他实验粒子物理学家也认为这可能是一个有价值的项目。“我们已经找到了很多可以预测的口袋，所以开始填补我们并没有看到的角落是我们下一步的重要方向，”他说凯特·帕查尔他是一位物理学家，在ATLAS项目中寻找新的粒子碰撞。去年，她和一些同事讨论了尝试设计灵活软件的想法，可以处理一系列粒子质量，但没有人对机器学习足够了解。她说:“现在我觉得是时候试试了。”
人们希望，神经网络能够在数据中发现微妙的关联，而这些关联正是当前建模工作的阻力。其他机器学习技术已经成功地提高了LHC某些任务的效率，例如识别“喷气机”由底部夸克粒子组成。这项工作毫无疑问地表明，一些信号正在逃过物理学家的注意。“他们把信息留在桌子上，当你花100亿美元买一台机器时，你不想把信息留在桌子上，”他说丹尼尔·怀特森尔湾加利福尼亚大学的粒子物理学家。
然而，机器学习充斥着令人警觉的故事，这些故事讲述的程序将武器与武器混为一谈哑铃（或更糟糕的是)在大型强子对撞机上，一些人担心这些快捷键最终会反射出机器本身的小精灵，而实验物理学家们却刻意忽略了这一点。“一旦发现异常，是新的物理现象，还是探测器上发生了有趣的事？”他问道直到艾弗特他是ATLAS上的一位物理学家。
查理·伍德是一名记者，报道地球上和地球外的物理科学发展。他的作品已出版科学美国人,基督教科学箴言报和生活科学网此前，他曾在莫桑比克和日本教授物理和英语，并在布朗大学获得物理学学士学位。
最新和最受欢迎的文章投递到您的收件箱!
