Представьте, что у вас много данных, но вы на самом деле не знаете, что ищете. Ну так что ты делаешь? В этом случае вы используете компьютер, который автоматически ищет отклонения. По словам исследователя Саша Карона, это будет многообещающий метод для достижения новых прорывов в физике элементарных частиц. Вместе с другими исследователями ATLAS в CERN он продемонстрировал этот новый подход в статье в The European Physics Journal C, которая была опубликована ранее в этом месяце.
Со времени открытия бозона Хиггса в 2012 году были большие надежды на новые прорывы в физике, появившиеся от Большого адронного коллайдера (LHC) в ЦЕРНе. «К сожалению, было несколько прорывов равной величины, возможно, потому, что мы не ищем в достаточном количестве мест», — говорит Саша Карон, физик из Университета Радбуда и Никхефа. Он является движущей силой нового метода вместе с коллегами Сарой Алдервейрелдт и Йероеном Шувенбергом.
В поисках неизвестного
На БАКе ученые производят огромное количество данных для исследования стандартной модели для физики элементарных частиц, которая описывает силы и частицы , которые образуют всю материю. Карон: «В поисках частицы Хиггса мы точно знали, что искали, единственной неизвестной была ее масса. Поскольку в настоящее время мы не знаем точно, что мы ищем, поэтому мы можем расширить стандартную модель еще дальше, для этого требуется гораздо больше времени для открытия нового открытия. Вы можете сравнить его с поиском спрятанной игрушки в большой комнате, полной игрушек, но не зная, как она выглядит ».
Сначала быстро, потом точно
Чтобы ускорить процесс поиска, Карон и ряд его коллег предложили новый системный подход, который можно использовать для поиска подсказок о новых частицах . В настоящее время исследователи в ЦЕРН очень специфически смотрят на одну модель или на одну характеристику. По словам Кэрон, это можно сделать по-другому: «Используя алгоритмы, мы хотим исследовать все данные одновременно, используя автоматизацию, чтобы найти отклонения от стандартной модели».
«Недостатком этого подхода является то, что мы можем исследовать данные менее точно, чем в других подходах», — говорит Кэрон. Чтобы решить эту проблему, исследователи разработали двухэтапный метод: сначала быстро сравнить все данные со стандартной моделью, а затем сосредоточиться на найденных вами отклонениях.
AI это будущее
Широкие методы поиска с алгоритмами уже используются в других областях, таких как генетика. «Этот метод широкого поиска ранее не использовался для анализа данных с LHC. Это связано с тем, что данные в физике элементарных частиц часто очень сложны по сравнению с данными в других областях. Если вы не можете указать, какие данные вы ищете, трудно научить алгоритм. »
Вместе с коллегами Сарой Алдервейрелдт и Йеруном Шувенбергом Кэрон недавно провела второй «прогон» данных. Он хочет усовершенствовать метод еще больше. «Моя цель — сделать открытия в физике элементарных частиц с помощью искусственного интеллекта (ИИ) и машинного обучения. Компьютер не только объективен, автоматизация также обеспечивает более дешевый и быстрый путь к научному прогрессу, чем тот, которым в настоящее время следуют — не только в физика элементарных частиц, но во всех областях науки «.
Теги: ИИ, нейтрино
