下一代粒子碰撞器实验将有一些世界’如果现在正在造成粒子物理学家和人工智能(AI)研究人员,则最先进的思维机器,如果现在正在伪造的思维机器。这种机器可以用很少的人类投入产生发现—一个让一些物理学家不安的前景。

被渴望在十年内令人生意的发现和知识,以至于他们将在十年内以不管理的数据击中’时间,在瑞士日内瓦州的大都会撞机(LHC)上工作的时间,瑞士在瑞士日内瓦队的时间里正在征求AI专家的帮助。

11月9日至33日,两个社区的主要灯光参加了一个研讨会—它的第一个—他们讨论了先进的AI技术如何在LHC上速度发现。粒子物理学家有“意识到他们不能单独做到”, says CéCile ermain,巴黎南部大学的计算机科学家orsay,他在Cern的研讨会上发言,举办LHC的粒子物理实验室。

计算机科学家正在响应拖车。去年,Germain帮助组织竞争来编写可以的计划‘discover’在一组模拟数据中的Higgs Boson的痕迹;它吸引了超过1,700的提交 teams.

粒子物理对AI没有陌生人。特别是,当地图集和CMS时,LHC’S两个最大的实验, 发现ed the Higgs boson 2012年,他们部分地做到了 使用机器学习—a form of AI that ‘trains’识别数据中的模式的算法。这 使用来自颗粒碰撞的碎屑的模拟进行算法,并学习以发现通过数百万更多的平凡的事件中稀有HIGGS颗粒的衰减产生的图案。然后他们被设置为真实的事情。

但在不久的将来,实验需要更聪明地收集他们的数据,而不仅仅是处理它。 CMS和Atlas当前每秒生产数亿次冲突,并使用快速和肮脏的标准来忽略所有但是1 在1,000个事件中。预定为2025年的升级意味着碰撞的数量将增长20倍,并且探测器将不得不使用更复杂的方法来选择它们的保留,表示CMS物理学家MAR说í帕萨迪纳加州技术研究所的螺丝卢,有助于组织核心讲师。“We’进入未知,” she says.

灵感来自另一个LHC实验,LHCB,致力于在粒子和他们的反物质对应物之间学习微妙的不对称。在制备LHC的第二个,更高能量的运​​行中 开始于4月,LHCB团队编程其探测器以使用机器学习来确定要保留的数据。

LHCB对温度和压力的微小变化敏感,因此在整个实验中任何一次变化的数据都很有趣—机器学习可以实时适应的东西。“之前没有人这样做了,”Vladimir Gligorov说,CERN的LHCB物理学家领导着AI项目。

Gligorov说,粒子物理实验通常需要数月的时间来重新校准。但在能量升级的两周内,探测器有‘rediscovered’一个称为j /的粒子Ψ meson—首先在1974年发现两个独立的美国实验,后来认为有价值诺贝尔奖。

在未来几年中,CMS和Atlas可能在LHCB中遵循’S脚步声,说斯皮普鲁和其他人,并将使探测器算法实时工作更多。“这将彻底改变我们如何进行数据分析,” says Spiropulu.

对AI决策的依赖依赖仍然存在新的挑战。与LHCB不同,该LHCB主要侧重于发现已知的粒子,因此可以详细研究它们,旨在发现新粒子。 Germain说,使用原则上可能包含巨大发现的数据,这些数据包含巨大的发现,这些标准以非透明方式达到算法,对许多物理学家表示焦虑。她说,研究人员希望了解算法如何工作,并确保他们基于物理原则。“It’对他们来说是一个噩梦。”

Gligorov说,该方法的支持者也将使他们的同事们放弃试验和测试的技术。“这些是巨大的合作,因此获得了批准的新方法,它需要宇宙的年龄。”LHCB有大约1,000 成员; Atlas和CMS每次有3,000个。

尽管存在这些挑战,但讲习班的最热烈讨论的问题是粒子物理学是否应利用更复杂的AI,以一种称为深度学习的技术。基本的机器学习算法培训,样本数据如图像,和‘told’每张图片都显示了什么—说,房子与猫说。但在深度学习中,谷歌翻译和苹果等软件使用’S语音识别系统SIRI,计算机通常不会接收此类监督,并找到自行分类对象的方法。

虽然他们强调,他们不会习惯于将这种控制水平的控制权交给算法,但核心讲习班的几位发言者讨论了如何应用于物理学的深度学习。加州大学AI研究员Pierre Baldi,欧文已经应用了机器学习的各种科学分支机构,描述了他和他的合作者如何完成研究表明,一种被称为黑暗知识的深度学习技术可能有所帮助—fittingly—在寻找暗物质。

CMS成员Maurizio Pierini(CMS成员Maurizio Pierini)联合主办研讨会,深入学习甚至无法发现没有理论尚未预测的粒子。“它可能是保险单,以防是制定正确预测的理论家’t born yet.”

本文已及其复制而成 第一次出版 on December 1, 2015.