一项新的机器学习技术已由国际科学团队测试

一项新的机器学习技术已由国际科学团队测试，包括麻省理工学院助理教授菲利普·哈里斯和博士后迪伦·兰金，他们都是核科学实验室的研究人员，它们可以在一瞬间发现大型强子对撞机（LHC）数据中的特定粒子特征。眼

新系统精巧而迅速，它可以一目了然地发现随着数据集变得越来越大和越来越复杂，机器学习将在未来的粒子物理学发现中扮演改变游戏规则的角色。

大型强子对撞机每秒产生约4000万次碰撞。借助如此庞大的数据进行筛选，需要强大的计算机来识别科学家可能感兴趣的那些碰撞，无论是暗物质还是希格斯粒子的暗示。

现在，费米实验室，欧洲核子研究中心，麻省理工学院，华盛顿大学和其他地方的科学家已经测试了一种机器学习系统，与现有方法相比，该系统可使处理速度提高30到175倍。

目前，此类方法每秒处理少于一幅图像。相反，新的机器学习系统每秒最多可以查看600张图像。在训练期间，系统学会了选择一种特定类型的碰撞后粒子模式。

麻省理工学院物理系成员哈里斯说：“我们正在识别的碰撞模式，即顶级夸克，是我们在大型强子对撞机上探查的基本粒子之一。” “重要的是，我们要分析尽可能多的数据。每条数据都包含有关粒子如何相互作用的有趣信息。”

当前的LHC升级完成后，这些数据将以前所未有的速度涌入。到2026年，预计17英里长的粒子加速器将产生的数据量是目前的20倍。为了使事情更加紧迫，将来的图像还将以比现在更高的分辨率拍摄。总之，科学家和工程师估计，大型强子对撞机将需要比目前拥有的计算能力高10倍以上。

哈里斯说：“未来运行的挑战越来越艰巨，因为我们的计算变得更加准确，并且我们探究的精度越来越高。”

该项目的研究人员训练了他们的新系统，以识别顶级夸克的图像，夸克是质量最重的基本粒子，比质子重约180倍。哈里斯解释说：“有了我们可用的机器学习架构，我们可以获得高质量的科学成果，堪与世界上最好的顶级夸克识别算法相提并论。” “高速实施核心算法使我们能够灵活地在最需要的关键时刻增强LHC计算。”