LHC 實(shí)驗(yàn)的主要目標(biāo)之一是尋找新粒子的跡象，這可以解釋物理學(xué)中許多未解之謎。通常，尋找新物理學(xué)的目的是每次尋找一種特定類型的新粒子，并以理論預(yù)測(cè)為指導(dǎo)。但是，如何尋找未預(yù)測(cè)到的——意想不到的——新粒子呢?
如果不知道要尋找什么，那么對(duì) LHC 實(shí)驗(yàn)中發(fā)生的數(shù)十億次碰撞進(jìn)行搜索對(duì)物理學(xué)家來(lái)說(shuō)將是一項(xiàng)艱巨的任務(wù)。因此，ATLAS 和 CMS 合作不再篩選數(shù)據(jù)并尋找異常，而是讓人工智能 (AI) 來(lái)做這項(xiàng)工作。
在 3 月 26 日舉行的 Rencontres de Moriond 會(huì)議上，CMS 合作項(xiàng)目的物理學(xué)家展示了使用各種機(jī)器學(xué)習(xí)技術(shù)搜索“噴流”對(duì)的最新成果。這些噴流是來(lái)自強(qiáng)相互作用的夸克和膠子的粒子準(zhǔn)直噴霧。它們特別難以分析，但它們可能隱藏著新的物理學(xué)。
ATLAS 和 CMS 的研究人員使用多種策略來(lái)訓(xùn)練 AI 算法以搜索噴流。通過(guò)研究其復(fù)雜能量特征的形狀，科學(xué)家可以確定是什么粒子產(chǎn)生了噴流。
兩個(gè)實(shí)驗(yàn)的物理學(xué)家都在利用真實(shí)的碰撞數(shù)據(jù)訓(xùn)練他們的人工智能，以識(shí)別來(lái)自已知粒子的噴流的特征。然后，人工智能能夠區(qū)分這些噴流和非典型噴流特征，這些特征可能表明存在新的相互作用。這些將在數(shù)據(jù)集中顯示為非典型噴流的累積。
另一種方法是指示 AI 算法考慮整個(gè)碰撞事件，并在檢測(cè)到的不同粒子中尋找異常特征。這些異常特征可能表明存在新粒子。ATLAS 于 2023 年 7 月發(fā)表的一篇論文展示了這項(xiàng)技術(shù)，該論文展示了 LHC 結(jié)果中首次使用無(wú)監(jiān)督機(jī)器學(xué)習(xí)之一。
在 CMS，我們采用了一種不同的方法，即物理學(xué)家創(chuàng)建潛在新信號(hào)的模擬示例，然后讓人工智能識(shí)別真實(shí)數(shù)據(jù)中與常規(guī)噴氣機(jī)不同但與模擬相似的碰撞。
在CMS公布的最新結(jié)果中，每種AI訓(xùn)練方法對(duì)不同類型的新粒子表現(xiàn)出不同的敏感性，并且沒(méi)有一種算法被證明是最好的。
CMS 團(tuán)隊(duì)能夠限制產(chǎn)生異常噴流的幾種不同類型粒子的產(chǎn)生率。他們還能夠證明，與傳統(tǒng)技術(shù)相比，人工智能主導(dǎo)的算法顯著提高了對(duì)各種粒子特征的靈敏度。
標(biāo)簽：
免責(zé)聲明：本文由用戶上傳，如有侵權(quán)請(qǐng)聯(lián)系刪除！