网站首页 文化传媒 走进我们 科技创新

科技创新

当前位置:pk10五码两期计划 > 科技创新 > 粒子物理学家转向AI来应对CERN的碰撞洪水

粒子物理学家转向AI来应对CERN的碰撞洪水

发布时间:2018-05-14

世界领先的原子粉碎机的物理学家呼吁提供帮助。在接下来的十年里,他们计划在大型强子对撞机(LHC)中产生的撞击次数比现在多20倍,但目前的探测器系统不适合即将发生的洪水。因此,本周,一群LHC物理学家与计算机科学家合作发起了一场竞赛,以推动人造智能技术的发展,该技术可以快速分拣这些碰撞的碎片。研究人员希望这些将有助于实验揭示对自然法则的基本见解的最终目标。

在欧洲核子研究中心(位于日内瓦附近的欧洲粒子物理实验室),两束质子在每台机器探测器内正面碰撞一秒钟4000万次。每次质子碰撞都会产生数千个新粒子,这些粒子从每个大教堂大小的探测器中心的碰撞点辐射出来。数以百万计的硅传感器排列在洋葱状层上,每当粒子穿越它们时就会点亮,每次产生一个像素的信息。只有在产生潜在有趣的副产品时才会记录冲突。当它们出现时,探测器会拍摄一张快照,其中可能包含成百上千个像素,其中包含多达20个不同质子对的堆积碎片。 (因为粒子以光速或接近光速移动,所以检测器无法录制完整的电影动画。)

在这场混乱中,LHC的计算机实时重建数万条曲目,然后再进入下一个快照。 “游戏的名字是连接点,”帕萨迪纳加利福尼亚理工学院物理学家Jean-Roch Vlimant说,他是在LHC运营CMS探测器的合作成员之一。

在未来的计划升级之后,每个快照预计将包含来自200次质子碰撞的粒子碎片。物理学家目前使用模式识别算法来重建粒子的轨迹。虽然这些技术即使在升级后也能找到路径,“问题是,它们太慢了”,Orsay的巴黎南部大学的计算机科学家CécileGermain说。 LHC物理学家在没有对新探测器技术进行大量投资的情况下估计,碰撞率将超过目前的能力至少10倍。

研究人员怀疑机器学习算法可以更快地重建轨道。为了找到最佳解决方案,Vlimant和其他LHC物理学家与包括Germain在内的计算机科学家合作推出了TrackML挑战。在接下来的三个月中,数据科学家将能够下载400千兆字节的模拟粒子碰撞数据 - 由理想化探测器产生的像素 - 并训练其算法以重建轨道。

参与者将被评估他们这样做的准确性。由Google旗下公司Kaggle主办的这一阶段的前三名将获得12,000美元,8,000美元和5,000美元的现金奖励。 Vlimant表示,第二项竞赛将根据速度和准确性评估算法。

奖上诉

这样的竞赛在数据科学方面有着悠久的传统,许多年轻的研究人员参与建立他们的简历。 “在挑战中获得好的排名非常重要,”Germain说。也许这些比赛中最有名的是2009年Netflix奖。这家娱乐公司提供了100万美元给谁制定出最好的方式来预测用户希望观看哪些电影,继续他们之前的收视率。 TrackML并不是粒子物理学的第一个挑战,2014年,团队通过一系列模拟数据(2012年,LHC发现了希格斯,理论上长期预言)竞争'发现'希格斯玻色子。其他以科学为主题的挑战涉及从浮游生物到星系的任何数据。

从计算机科学的角度来看,希格斯的挑战是一个普通的分类问题,蒂姆萨利曼斯说,在该比赛中表现最出色的人之一(在挑战之后,萨利曼斯继续在非营利性努力的工作在OpenAI的旧金山,加利福尼亚州)。但他说,这是关于LHC物理学的事实增加了它的光泽。这可能有助于解释这一挑战的受欢迎程度:近1,800个团队参与其中,许多研究人员认为竞赛大大增加了物理学和计算机科学界之间的相互作用。

Germain说,TrackML“无比难度”。在Higgs案例中,重建的轨道是输入的一部分,参赛者必须做另一层分析以“查找”粒子。她说,在新问题中,您必须从大约100,000个数据点构建成千上万的螺旋弧 - 衰变产物轨迹的形状。她认为获胜技巧可能最终会与AlphaGo计划中使用的方法类似,后者在2016年创造了历史,当时它在Go的复杂游戏中击败了人类冠军。特别是,他们可能会使用强化学习,在这种学习中,算法根据每次尝试后收到的“奖励”通过反复试验来学习。

Vlimant和其他物理学家也开始考虑更多未经测试的技术,如神经形态计算和量子计算。 “目前还不清楚我们要去哪里,”Vlimant说,“但看起来我们有一条好路径。”

Nature 557,147-148(2018)