首页 » 国内科研 >

促进计算能力与机器学习,以实现粒子物理学的未来

2021-09-04 09:50:10来源:

与大型强子撞机的人工智能接口可以导致数据分析的精度更高,这可以改善基本物理性质的测量,并可能导致新的发现。

原型机 - 学习技术由麻省理工学院科学家共同开发,以传统方法速度高达175倍。宁

一项新的机器学习技术,由国际科学家队进行测试,包括麻省理工学院助理教授菲利普哈里斯教授和核科学实验室的Postdoc Dylan Rankin,可以在眨眼间的大型强子撞机(LHC)数据的海洋中发现特定的粒子签名一只眼睛。

复杂和迅速,新系统在游戏变化的角色机器学习中提供了一瞥,将在粒子物理学中的未来发现中发挥作用,因为数据集变得更大,更复杂。

LHC每秒创造约4000万次碰撞。利用如此大量的数据来筛选,需要强大的计算机来识别科学家可能有兴趣的那些碰撞,无论是暗示的暗物质还是HGGS颗粒。

现在,Fermilab,Cern,MIT,华盛顿大学和其他地方的科学家已经测试了一种机器学习系统,与现有方法相比,将处理加速30至175次。

此类方法当前处理小于每秒图像。相比之下,新的机器学习系统每秒可以审查高达600张图像。在其培训期间,系统学会了挑选出一种特定类型的后期粒子模式。

“我们识别的碰撞模式,顶级夸克是我们在大型Hadron撞机的基本粒子之一,”哈里斯说,是麻省理工学院物理系的成员。“我们非常重要,我们尽可能多地分析数据。每条数据都带有有趣的信息,了解粒子如何互动。“

这些数据将在目前的LHC升级完成后从未如前浇注;到2026年,预计17英里的粒子加速器会产生20倍的数据,就像目前一样多的数据。为了使更重要的更新,未来的图像也将在更高的分辨率上采取而不是现在的决议。总而言之,科学家和工程师估计LHC需要超过10倍的计算能力它的计算能力。

“未来跑步的挑战,”哈里斯说,随着我们的计算变得更加准确,我们探讨了更精确的效果。“

该项目的研究人员培训了他们的新系统来识别顶夸克的图像,最巨大的基本粒子,比质子重约180倍。“随着我们可用的机器学习架构,我们能够获得高档的科学质量结果,可与世界上最好的顶级夸克识别算法相媲美,”哈里斯解释道。“以高速实施核心算法使我们能够灵活地在最需要的关键时刻增强LHC计算。”