Это черновик моего выступления на UC Grad Slam в этом году.
Я работаю с физиками-нейтрино и применяю машинное обучение для понимания экспериментальных данных. Нейтрино несут зашифрованные ответы на некоторые из самых фундаментальных вопросов. Например, почему материи во Вселенной больше, чем антиматерии? Все, с чем мы знакомы, состоит из материи, а антиматерия уничтожает материю. Изучение нейтрино поможет нам понять почему.
Однако, несмотря на то, что нейтрино повсюду, мы знаем о них на удивление мало, потому что нейтрино редко взаимодействуют с чем-либо еще. Одним из конкретных явлений являются осцилляции нейтрино. У нейтрино есть три аромата: электрон, мюон и тау. Естественно, нейтрино случайным образом меняются между этими «ароматами.» Это очень странно. Представьте, что вы держите на секунду шарик шоколадного мороженого. Затем он внезапно становится одним шариком ванильного мороженого!
Для изучения осцилляции нейтрино физики направляют пучок нейтрино одного аромата в детектор гигантских частиц. Некоторые из нейтрино будут колебаться, и в детекторе будут нейтрино разных ароматов. Детектор собирает огромное количество данных, но нам все еще нужно выяснить, что такое нейтрино. Вы можете думать о детекторе как о гигантской камере, а данные, поступающие от детектора, можно рассматривать как изображения частиц.
Исследователи машинного обучения использовали глубокие нейронные сети для решения классификации изображений. Эти нейронные сети вдохновлены зрительной корой человека и могут достигать точности человеческого уровня. Именно так смартфоны распознают лица и выясняют, кто есть кто. В моем исследовании используются глубокие нейронные сети для точного предсказания нейтрино. Давайте подумаем о двух разновидностях нейтрино, таких как кошки и собаки. Раньше мы могли различать только изображения кошек и собак. Благодаря глубокому обучению теперь мы можем даже узнать конкретную породу собаки, поскольку мы можем разделить один и тот же аромат нейтрино по типу взаимодействия. Кроме того, мы также можем знать, сколько энергии содержит нейтрино. Как было сказано ранее, нейтрино трудно обнаружить, поэтому данных мало. Это действительно могло бы извлечь самый последний бит информации из данных.
На протяжении всей истории новаторским научным открытиям помогали усовершенствования инструментов, таких как телескоп и микроскоп. Эти инструменты позволяют ученым измерять объекты от галактик на расстоянии световых лет до молекул размером в нанометры. Сегодня инструменты физики высоких энергий больше и сложнее, чем когда-либо. Машинное обучение может увеличить мощность этих инструментов и привести к новым открытиям.
