用机器学习“查漏补缺”，科学家在对撞数据中寻找新粒子

粒子指能够以自由状态存在的最小物质组成部分，对粒子的研究不仅可以加深对微观世界的认识，其应用也可能极大地影响人类生活。

美国能源部劳伦斯·伯克利国家实验室的研究人员展开了一项新研究，利用人工智能扫描欧洲粒子物理研究所(CERN)ATLAS探测器三年粒子碰撞数据以发现新粒子。

详细研究内容在《物理评论快报》(Physical Review Letters)上有详细介绍。该研究依靠机器学习算法在2015-2018年收集的ATLAS探测器数据中搜索异常数据从而寻找新粒子，不依靠任何粒子模拟。

在这项研究中，研究人员根据涉及两个“射流”的粒子碰撞事件的实际数据训练了机器学习算法，为了管理海量数据，研究人员还为他们的搜索设置了最小能量阈值。

研究人员表示，虽然“第一次测试没有发现任何新粒子的证据......但是对于给定的一组模型，比以前的任何搜索的覆盖面都更广泛。”

该算法在伯克利实验室国家能源研究科学计算中心(NERSC)的一台超级计算机佩尔穆特(Perlmutter)上运行。佩尔穆特配备了图形处理单元(GPU)，可以在ATLAS数据上实现更复杂的机器学习算法。

编译/前瞻经济学人APP资讯组

本文来源前瞻网，转载请注明来源。本文内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）