5分时时彩官网-5分时时彩网站 - 5分时时彩官网,5分时时彩网站独家开发优质游戏,为您带来最有层次的享乐新体验.首家开创24小时真人视频娱乐、精选游戏等你来玩!!5分时时彩官网,5分时时彩网站诞生于2007年1月10日,与美国苹果公司是同一天,也是较早建立的关于5分时时彩官网,5分时时彩网站专题网站,5分时时彩官网,5分时时彩网站网站提供5分时时彩官网,5分时时彩网站软件评测,音乐,电影,铃声下载等服务.

人工智能如何帮助科学家寻找新粒子?

  • 时间:
  • 浏览:0
  在搜寻新基本粒子的过程中,物理学家时不时需用对粒子的行为作出假设,但新的机器学习算法却不要这麼做。

  9月13日消息,据国外媒体报道,大型强子对撞机(LHC)都不能在一秒钟之内撞击十亿对质子。有时,这台巨大的机器将会会给现实世界带来惊喜,将会在少数碰撞中,会产生后要 前所未有的东西。后要,却说 的惊喜并这麼哪几个规律可言,物理学家并非确切知道要寻找哪几个。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,将会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:“亲戚亲戚朋友时不时担心我本人会把婴儿和洗澡水一同倒掉。”

  面对智能数据规约的挑战,后要 物理学家尝试使用“高度神经网络”的机器学习技术来挖掘之类似件组成的数据海洋,寻找新的物理学疑问。

  在初步使用案例中,高度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,学习怎么上能 区分猫和狗。然而,这俩措施在寻找新粒子时并非适用,将会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。后要,物理学家转而采用所谓的“弱监督学习”(weakly supervised learning)措施,即机器从已知粒子始于英文,利用细化的信息(比如总体上将会发生的频率)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。这俩经典的“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,亲戚亲戚朋友都不能在猫狗实验的原理基础上做十个 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),那算法就应该都不能通过邻近区域的系统比较,将它们挑出来。将会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),那系统进程不能在这麼直接研究驯鹿的情況下,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:“这需用魔术,但感觉像魔术一样。”

  相比之下,粒子物理学中的传统搜索措施通常要求研究人员对新疑问是哪几个样子做出假设。亲戚亲戚朋友会创建十个 描述新粒子行为的模型。类似,十个 新粒子将会有衰变成一大群已知粒子的趋势。都不可不可不可不上能 在定义了所要寻找的东西却说 ,亲戚亲戚朋友不能设计出自定义的搜索策略。这项工作通常需要花费十个 博士研究生要花费一年的时间,而纳赫曼认为,这俩过程都不能完成得调慢、更彻底。

  有研究者提出了CWoLa算法,即无标签分类(Classification Without Labels),都不能搜索任意未知粒子的现有数据,无论该粒子是衰变成十个 类似型未知粒子,还是十个 类似型或不类似型已知粒子。利用常规的搜索模型,LHC合作措施者机构将会需用要花费20年时间来寻找后本身情況的将会性,而目前对前本身情況的搜索仍这麼任何结果。参与ATLAS项目的纳赫曼表示,CWoLa算法都不能一次完成所有哪几个工作。

  后要 实验粒子物理学家也认为,这将是十个 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:“亲戚亲戚朋友将会分析了后要 可预测的区域,后要接下来亲戚亲戚朋友要始于英文填补哪几个尚未分析的角落,这是有点要的十个 方向。”去年,她和后要 同事就在尝试设计本身灵活的软件,对一系列不同质量的粒子进行防止,但亲戚亲戚朋友中没大家对机器学习有足够的了解。“我想现在是尝试一下的却说 了,”帕查尔说道。

  高度神经网络有希望在不有利于目前建模工作的数据中发现微妙的相关性。后要 机器学习技术将会成功提高了LHC进行特定任务的时延,比如识别由底夸克粒子产生的“喷注”。在这项工作中,物理学家毫无疑问也会错却说要 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,而当你在十个 机器上花了100亿美元,你不要想把信息留在桌子上。”

  不过,机器学习实在充满了系统进程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,大家担心机器学习的“捷径”最终反映的是LHC机器本身的各种小疑问,而哪几个疑问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:“当你发现十个 异常时,你实在它是新物理学突破呢,还是探测器发生了哪几个有意思的情況?”