AI帮助大型强子对撞机在探测新粒子方面取得突破
人工智能正在彻底改变大型强子对撞机实验检测新粒子的方式。通过训练人工智能识别和区分典型和非典型喷流，研究人员可以识别隐藏在粒子碰撞中的潜在新物理学。最近的进展在一次物理学会议上得到了强调，展示了这些人工智能应用的进展和潜力。
ATLAS 和 CMS 协作小组正在使用最先进的机器学习技术来搜索可能预示着新物理学的奇异对撞。图片来源：S Sioni/CMS-PHO-EVENTS-2021-004-2/M Rayner
大型强子对撞机（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的许多未解之谜。通常情况下，寻找新物理学的目的是以理论预测为指导，一次寻找一种特定类型的新粒子。但是，寻找未预测到的、意想不到的新粒子呢？
对物理学家来说，在不清楚要寻找什么的情况下筛选大型强子对撞机实验中发生的数十亿次对撞是一项艰巨的任务。因此，ATLAS 和 CMS 协作小组让人工智能（AI）简化了这一过程，而不是梳理数据和寻找异常。
在3月26日举行的莫里翁德 会议（Rencontres de Moriond ）上，来自CMS合作项目的物理学家们展示了利用各种机器学习技术搜索成对"喷流"所获得的最新成果。这些喷流是源自强相互作用夸克和胶子的粒子的准直喷流。它们特别难以分析，但可能隐藏着新的物理学。
被人工智能算法确定为高度异常、因此可能来自新粒子的 CMS 事件之一的事件显示。资料来源：CMS 协作
ATLAS 和 CMS 的研究人员在搜索喷流时使用了多种策略来训练人工智能算法。通过研究其复杂能量特征的形状，科学家们可以确定是什么粒子产生了喷流。利用真实的碰撞数据，这两个实验的物理学家正在训练他们的人工智能，以识别源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，后者可能预示着新的相互作用。这将在数据集中显示为非典型喷流的累积。
另一种方法是指示人工智能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。这些异常特征可能预示着新粒子的存在。2023 年7 月，ATLAS 发布的一篇论文展示了这一技术，这是在大型强子对撞机结果中首次使用无监督机器学习技术。在 CMS，一种不同的方法是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流不同但与模拟相似的碰撞。
在 CMS 公布的最新结果中，每种人工智能训练方法对不同类型的新粒子表现出不同的敏感性，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大大提高了对各种粒子特征的灵敏度。
这些结果表明，机器学习正在彻底改变对新物理学的探索。CMS分析团队的奥兹-阿姆拉姆（Oz Amram）说："我们已经有了进一步改进算法的想法，并将其应用于数据的不同部分，以搜索多种粒子。"
编译自/ScitechDaily
