物理学家利用机器学习技术寻找可能预示新物理学的奇异碰撞
LHC 实验的主要目标之一是寻找新粒子的迹象，这可以解释物理学中许多未解之谜。通常，寻找新物理学的目的是每次寻找一种特定类型的新粒子，并以理论预测为指导。但是，如何寻找未预测到的——意想不到的——新粒子呢？如果不知道要寻找什么，那么对 LHC 实验中发生的数十亿次碰撞进行搜索对物理学家来说将是一项艰巨的任务。因此，ATLAS 和 CMS 合作不再筛选数据并寻找异常，而是让人工智能 (AI) 来做这项工作。
在 3 月 26 日举行的 Rencontres de Moriond 会议上，CMS 合作项目的物理学家展示了使用各种机器学习技术寻找“喷流”对的最新成果。这些喷流是来自强相互作用的夸克和胶子的粒子的准直喷雾。它们特别难以分析，但它们可能隐藏着新的物理学。
ATLAS 和 CMS 的研究人员使用多种策略来训练 AI 算法以搜索喷流。通过研究其复杂能量特征的形状，科学家可以确定是什么粒子产生了喷流。
两个实验的物理学家都在利用真实的碰撞数据训练他们的人工智能，以识别来自已知粒子的喷流的特征。然后，人工智能能够区分这些喷流和非典型喷流特征，这些特征可能表明存在新的相互作用。这些将在数据集中显示为非典型喷流的累积。
另一种方法是指示 AI 算法考虑整个碰撞事件，并在检测到的不同粒子中寻找异常特征。这些异常特征可能表明存在新粒子。ATLAS 于 2023 年 7 月发表的一篇论文展示了这项技术，该论文展示了 LHC 结果中首次使用无监督机器学习之一。
在 CMS，我们采用了一种不同的方法，即物理学家创建潜在新信号的模拟示例，然后让人工智能识别真实数据中与常规喷气机不同但与模拟相似的碰撞。
在CMS公布的最新结果中，每种AI训练方法对不同类型的新粒子表现出不同的敏感性，并且没有一种算法被证明是最好的。
CMS 团队能够限制产生异常喷流的几种不同类型粒子的产生率。他们还能够证明，与传统技术相比，人工智能主导的算法显著提高了对各种粒子特征的灵敏度。
这些结果显示了机器学习如何彻底改变对新物理学的探索。CMS 分析团队的 Oz Amram 表示：“我们已经有了关于如何进一步改进算法并将其应用于数据的不同部分以搜索多种粒子的想法。”
页:
[1]