Искусственный ум поможет взнуздать поток заданных с БАК

    Последующее поколение тестов по столкновению частиц использует ряд самых продвинутых мыслящих машин во всем мире, ежели взаимосвязи, сделанные меж физиками частиц и исследователями искусственного ума (ИИ), укрепятся. Этакие машинки умеют совершать открытия с маленьким вовлечением человека — и такова перспектива максимально заинтриговала физиков.

    Искусственный ум поможет взнуздать поток заданных с БАК

    Влекомые стремлением совершать открытия и познанием тамошнего, что им же придется столкнуться с неуправляемым объемом заданных за десять лет, физики, работающие на Огромном адронном коллайдере близ Женевы, Швейцария, запросили помощи профессионалов в области ИИ.

    9-13 ноября ведущие светила обоих сообществ приняли роль в семинаре — первом в собственном роде, — на котором обсудили, как только передовые способы ИИ могли бы убыстрить свершения открытий на БАК. Физики частиц «осознали, что и не сумеют совладать с сиим в одиночку», разговаривает Сесиль Жермен, ученый из Вуза Париж-Юг в Орсе, принимавшая роль в семинаре ЦЕРН, лаборатории физики простых частиц, владеющей БАК.

    Компьютерные ученые массово откликнулись на просьбу. В минувшем году Жермен посодействовала учредить конкурс по написанию программ, кои могли бы «обнаружить» следы бозона Хиггса в более моделируемых заданных; свои предложения выдвинули наиболее 1700 команд.

    Физика частиц, в принципе, уже знакома с ИИ. А именно, когда ATLAS и CMS, два огромнейших опыта БАК, нашли бозон Хиггса в 2012 году, они создали это же в рамках пользования машинного обучения — формы ИИ, которая «обучает» алгоритмы распознавать закономерности в заданных. Эти методы на первых парах обкатывались на моделях столкновений частиц и обучались выделять закономерности, рожденные в ходе распада редчайших частиц Хиггса посреди миллионов наиболее внятных обстоятельств. Впоследствии них выслали ишачить с настоящими заданными.

    Однако в ближнем грядущем эти опыты обязаны предстать умнее в замысле собирательства собственных заданных, а уж не совсем только в них обработке. CMS и ATLAS в текущее время создают сотки миллионов столкновений за секунду и опираются на резвые и загрязненные аспекты, игнорируя все действия из тыщи за исключением единого. Обновления, запланированные к 2025 году, означают, что число столкновений возрастет в 20 раз и что сенсорам придется применять наиболее хитроумные методы, дабы выбирать, что сохранять, разговаривает физик CMS Мария Спиропулу из Калифорнийского технологического колледжа в Пасадене, помогавшая в организации семинара ЦЕРН. «Мы собираемся в неизвестность», — разговаривает она.

    Вдохновение может придти с иного опыта БАК, LHCb, который посвящен исследованию тоненьких асимметрий меж частичками и них антиматериальными противоположностями. В рамках подготовки ко второму запуску БАК с завышенной энергией, которая началась в апреле, команда LHCb запрограммировала собственный сенсор на пользование машинного обучения при выбирании, какие заданные сохранять.

    Искусственный ум поможет взнуздать поток заданных с БАК

    LHCb чувствителен к крохотным изменениям в температуре и давлении, потому заданные, кои увлекательны ныне, умеют изменяться в протяжении опыта — и к этому машинное обучение может адаптировать инсталляцию в режиме настоящего времени. «До сего никто этакого и не делал», — говорит Владимир Глигоров, физик LHCb в ЦЕРН, руководящий проектом ИИ.

    Опыты в области физики частиц, обычно, просят месяцев калибровки опосля обновления, разговаривает Глигоров. Однако уже сквозь две недельки опосля энергетического апгрейда, сенсор «заново обнаружил» частичку J/? мезон — впервые обнаруженную в 1974 году в процессе двух независящих южноамериканских тестов и потом принесшую собственным открывателям Нобелевскую премию.

    В дальнейшие годы CMS и ATLAS, вероятнее всего, пойдут по стопам LHCb, разговаривает Спиропулу и альтернативные, и обеспечат сенсоры методами, могущими делать все больше работы в режиме настоящего времени. Это же будет революцией в области анализа заданных.

    Повышение зависимости от принятия решений искусственным умом будет связано с новенькими дилеммами. В отличие от LHCb, который фокусируется в большей степени на поиске заведомых частиц, дабы них можно существовало детально исследовать, ATLAS и CMS созданы для поиска новеньких частиц. Мысль выбрасывания заданных, кои умеют в принципе содержать величавые открытия, на базе критериев, кои будут непрозрачным образом определяться методами, вызывает беспокойство у почти всех физиков, разговаривает Жермен. Ученые намерены осознать, как только ишачят методы, и убедиться, что они основаны на принципах физики. «Это ужас для них».

    Сторонники сего подхода а также обязаны уверить собственных коллег отрешиться от испытанных и проверенных способов, разговаривает Глигоров. «Эти общества громадны, потому на одобрение способа уйдет время, на глазок равное возрасту Вселенной». В LHCb 1000 пенисов; в ATLAS и CMS по 3000.

    Невзирая на эти трудности, самым жарко обсуждаемым вопросцем на семинаре существовало то, следует ли и ежели да, то как только, физике частиц применять еще больше хитроумный ИИ, в форме эдак именуемой техники глубочайшего обучения. Базисные методы машинного обучения учатся на простейших заданных вроде изображений и «говорят», что на этих картинах изображено — лошадь либо кот, к примеру. Однако в глубочайшем обучении, которое употребляется программным обеспечением Гугл (переводчик) и системы определения голоса в Siri от Apple, персональный компьютер, обычно, и не получает этакого надзора и находит методы категоризации объектов без помощи других.

    И хотя они подчеркивают, что ученым существовало бы несподручно предлагать методу этакий уровень контроля, некие ораторы на семинаре ЦЕРН поведали, как только глубочайшее обучение можно существовало бы применить к физике. Пьер Бальди, исследователь ИИ в Калифорнийском институте в Ирвине, применявший машинное обучение к разнообразным областям науки, обрисовал, как только он и его коллеги провели изучение и узнали, что техника глубочайшего обучения, популярная как только «темное знание», могла бы посодействовать в поисках черной материи.

    Глубочайшее обучение может даже привести к открытию частиц, которых теоретики гораздо и не предвещали, разговаривает пенис CMS Маурицио Пьерини, штатный физик ЦЕРН.