Частица Бога по-прежнему полна секретов
Физики элементарных частиц из ЦЕРН обнаружили бозон Хиггса в 2012 году. Теперь их цель - узнать больше о его свойствах. ИИ играет в этом решающую роль.
Сегодня воскресенье. Мы с тобой гуляем по парку. Наша собака Плутон прыгает вокруг нас, желая поиграть. Вы бросаете палку, чтобы она зацепилась.
Потом поворачиваешься ко мне. «Вы ведь работали над бозоном Хиггса, верно?»
'Ага! Однако это было через четыре года после его открытия ».
«Что оставалось делать, если он уже был обнаружен?»
«Что ж, теперь мы знаем, что бозон Хиггса существует. Но многие его свойства до сих пор неизвестны. Я и мои коллеги работали над стратегиями, как выяснить, может ли бозон Хиггса распадаться на темную материю внутри коллайдера частиц ».
«Так что, бозон Хиггса ломается, а остатки - это Темная материя?»
ИИ может пролить свет на загадки бозона Хиггса
«Это теория, да. Мы не знаем наверняка, происходит ли это на самом деле. Но это стоит изучить. Вот почему я и мои коллеги подумали, как можно обнаружить эти распады - если они существуют. И мы обнаружили, что искусственный интеллект - лучший способ сделать это ».
«AI? Как?'
«Для этого нужно понимать, какие проблемы мы решаем в первую очередь.
«В ЦЕРНе детекторы частиц фиксируют то, что происходит, когда две частицы сталкиваются при очень высоких энергиях. Каждый тип частиц - например, кварк или бозон Хиггса - оставляет характерный след в детекторе частиц. Если мы сложим следы, можно реконструировать процессы, происходившие при столкновении двух частиц ».
«Значит, вы используете ИИ, чтобы узнать, какие процессы имели место?»
'Не так быстро! Позволь мне объяснить.
«При некоторых столкновениях рождается бозон Хиггса. Но бозон Хиггса имеет довольно короткое время жизни, поэтому он быстро распадается на другие частицы. Это могут быть кварки или другие бозоны, а может быть, частицы темной материи. Последние мы называем сигнальными событиями - столкновениями, в которых Темная Материя находится среди образовавшихся частиц.
«Конечно, мы могли бы просто искать сигнал среди множества процессов, которые регистрирует детектор - мы говорим о полмиллиарда столкновений, происходящих каждую секунду.
«Проблема в том, что есть события, которые очень похожи на сигнал. Но на самом деле это разные процессы. Мы называем это фоновыми событиями. И мы не хотим, чтобы это искажало наши данные. Поэтому нашей задачей было научить детектор отличать сигнал от фона ».
«И как здесь появился ИИ?»
«Без искусственного интеллекта мы бы просто посмотрели на различные свойства сигнала, а затем вырезали бы набор данных там, где их вряд ли можно было бы найти.
«Например, можно использовать количество кварков, которые испускаются как побочный продукт распада бозона Хиггса на темную материю. В дополнение к частицам темной материи мы могли бы ожидать двух кварков, исходя из физики, лежащей в основе процесса. Иногда может быть на один кварк больше, иногда на один меньше. Возможны статистические вариации.
«Итак, в этом примере мы могли бы исключить столкновения из нашего набора данных, в котором мы не находим кварков или их больше трех. Мы можем быть уверены, что это не сигнальные события. Таким образом, мы улучшили наш набор данных, поскольку он содержит немного меньше фона, чем раньше ».
«Здесь на помощь приходит ИИ?»
'Да, точно. Разумно то, что мы можем заставить алгоритм ИИ изучать свойства сигнального события. Это значительно упрощает нашу работу, потому что это означает, что нам не обязательно много знать о физике, лежащей в основе ».
«Вы ленитесь - не изучаете основную физику!»
«Я называю это эффективным».
'Тогда ладно. И как ИИ узнает, что такое сигнал, а что - фон? »
«Есть много разных способов. В нашем случае мы использовали действительно простые алгоритмы, которые называются деревьями решений. Основной принцип заключается в том, что вы сначала обучаете алгоритм на поддельном наборе данных. Этот набор данных получен в результате компьютерного моделирования и содержит только события, которые уже правильно помечены как сигнал или фон.
«Дерево решений применяет случайные разрезы к обучающему набору, а затем проверяет, насколько хорошо оно отделило сигнал от фона. Затем он повторяется до тех пор, пока не будет найден лучший разрез ».
«Но почему вы не можете сделать это вручную?»
«Мы делали это вручную, но для этого требовалось много знаний о базовом процессе, иначе это займет очень много времени. Кроме того, это быстро усложняется, потому что свойства сигнала часто зависят друг от друга.
«Например, два кварка, которые испускаются при столкновении сигналов, могут находиться на определенном расстоянии от другого. Но могут быть и другие сигнальные события, в которых задействованы три кварка. В этом случае расстояния между тремя могут быть другими, чем в случае с двумя кварками. Таким образом, мы не можем просто сократить одно расстояние между кварками. Деревья решений хорошо подходят для учета таких зависимостей ».
«В каком-то смысле машина знает больше, чем ты!»
'Правда! Это помогает нам раскрыть свойства бозона Хиггса ».
Вы снова бросаете палку к Плутону.
«Как это поможет тебе с Хиггсом?»
«С помощью ИИ мы можем создавать действительно хорошие наборы данных, которые содержат много сигналов и мало фоновых событий. В нашем случае сигнальные события - это столкновения, после которых бозон Хиггса распадается на темную материю.
«Теперь все, что нам нужно сделать, это подсчитать количество обнаруженных сигнальных событий. Если мы найдем определенное количество, мы можем сказать, что мы открыли распад бозона Хиггса на частицы темной материи! »
'А также? Вы это обнаружили? »
'Неа. По крайней мере, пока нет. Наша статья - лишь один из многих шагов к такому открытию. Исследования требуют времени! »
Будущее бозона Хиггса остается захватывающим
«Будет интересно посмотреть, откроете ли вы это! Или этих распадов вообще не существует ».
'Ждать и смотреть!'
«Я уверен… На самом деле, я думал, что ИИ действительно сложно понять. Но теперь это не кажется слишком сумасшедшим ».
«Честно говоря, мы использовали один из простейших существующих инструментов искусственного интеллекта. В наши дни ученые часто используют более сложные алгоритмы, включая контролируемое глубокое обучение и GAN. Но мы можем поговорить об этом в другой день, если хочешь ».
«Я бы с удовольствием!» - восклицаете вы, пытаясь вытащить палку изо рта нашей собаки. «Давай, Плутон, мы возвращаемся домой!»
