利用神经网络识别追踪实验特征

据外媒Neowin报道，物理领域的研究受益于人工神经网络和深度学习的兴起。过去，我们已经看到它们被用于研究暗物质和大型星系。而现在科学家已经在外来粒子研究中使用了神经网络。在欧洲核子研究组织（CERN）的大型强子对撞机（LHC）上建立的紧凑型μ子介子螺线管(CMS)上，研究人员正在使用神经网络识别由LHC内部质子-质子碰撞产生的非典型实验特征。

传统碰撞算法很难追踪这些实验特征，因为碰撞产生的大部分“碎片”都是短暂的。但是神经网络可以证明在这种情况下很有效。这是因为可以对它们进行实际数据训练。

CMS的神经网络已经使用这些数据进行了训练，并将很快可以自动检测实验特征。为了进行训练，研究人员使用了通过向后传播进行域自适应来改善在碰撞数据中观察到的喷气机类概率分布的仿真模型。

对神经网络进行了训练（在监督下），以区分由长寿命粒子的衰变所产生的称为“射流”的粒子喷雾与更为常见的物理过程所产生的射流。

到目前为止，该模型已显示出令人鼓舞的结果。在对粒子轨道进行分析的过程中，从长寿命粒子中正确识别出喷射流的可能性为50％，在每千次中该模型仅一次错误识别了常规喷射流，并显示出较少的误报和误报。

CERN相信，新系统将有助于推进该机构寻找短暂和奇异颗粒的要求。有关更多信息，您可以研究在arXiv上发表的论文。