所有文章 > 正文

科学家研发出新型机器学习算法,加速数据处理速度,助力破解暗物质之谜

作者: Jansfer

时间: 2019-08-22 10:19

大型强子对撞机每秒能产生约4000万次碰撞。由于要筛选的数据量十分巨大,这便需要一种强大的计算机体系来识别像暗物质的迹象或希格斯粒子等科学家可能感兴趣的碰撞。

lhc-machine-learning-mit-00.jpg

图片来源:FermiLab

近日,包括麻省理工学院助理教授菲利普•哈里斯和核科学实验室博士后迪伦•兰金在内的一个国际科学家团队测试了一项新的机器学习技术,该技术可以在瞬间内从大型强子对撞机(LHC)数据的海洋中发现特定的粒子特征。随着数据集变得更大、更复杂,这个新系统将使人们得以一窥机器学习在未来粒子物理学中所扮充当的重要成分。

大型强子对撞机每秒能产生约4000万次碰撞。由于要筛选的数据量十分巨大,这便需要一种强大的计算机体系来识别像暗物质的迹象或希格斯粒子等科学家可能感兴趣的碰撞。

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,该系统的处速度提高了30到175倍。

目前已有的系统处理的图像每秒不足一幅。相比之下,新的机器学习系统每秒可以查看多达600张的图像。经过一系列的训练后,该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表示他们正在确定一项名为顶夸克的碰撞模式,这是大型强子对撞机上探测的基本粒子之一。进行大量的数据分析是非常重要因为每一个数据都包含着粒子相互作用的重要信息。

在目前的大型强子对撞机升级完成后,这些数据将以前所未有的极高的速度涌入。到2026年,这个17英里长的粒子加速器预计将产生目前20倍的数据。更迫切的是,未来的图像也将以比现在更高的分辨率拍摄。科学家和工程师估计,大型强子对撞机需要的计算能力将是目前的10倍以上。哈里斯说,未来要面临更多的艰难与挑战,因为我们的计算变得越来越精确,我们探测到的效果也越来越精确。

这个项目的研究人员训练通过他们的新系统来识别顶夸克的图像。顶夸克是最大规模的基本粒子,大约比质子重180倍。哈里斯解释说:“高速实现核心算法使我们能够在最需要的关键时刻灵活地增强大型强子对撞机的计算能力。有了我们可用的机器学习体系结构,我们能够得到高科学质量的结果,堪比世界上最好的顶级夸克识别算法。”

参考:news.mit.edu

[关于转载]:本文为“AMiner”官网文章。转载本文请联系原作者获取授权,转载仅限全文转载并保留文章标题及内容,不得删改、添加内容绕开原创保护,且文章开头必须注明:转自“AMiner”官网。谢谢您的合作。

二维码 扫码微信阅读
推荐阅读 更多