物理學家利用機器學習技術尋找可能預示新物理學的奇異碰撞

LHC 實驗的主要目標之一是尋找新粒子的跡象，這可以解釋物理學中許多未解之謎。通常，尋找新物理學的目的是每次尋找一種特定類型的新粒子，并以理論預測為指導。但是，如何尋找未預測到的——意想不到的——新粒子呢?

如果不知道要尋找什么，那么對 LHC 實驗中發(fā)生的數(shù)十億次碰撞進行搜索對物理學家來說將是一項艱巨的任務。因此，ATLAS 和 CMS 合作不再篩選數(shù)據并尋找異常，而是讓人工智能 (AI) 來做這項工作。

在 3 月 26 日舉行的 Rencontres de Moriond 會議上，CMS 合作項目的物理學家展示了使用各種機器學習技術搜索“噴流”對的最新成果。這些噴流是來自強相互作用的夸克和膠子的粒子準直噴霧。它們特別難以分析，但它們可能隱藏著新的物理學。

ATLAS 和 CMS 的研究人員使用多種策略來訓練 AI 算法以搜索噴流。通過研究其復雜能量特征的形狀，科學家可以確定是什么粒子產生了噴流。

兩個實驗的物理學家都在利用真實的碰撞數(shù)據訓練他們的人工智能，以識別來自已知粒子的噴流的特征。然后，人工智能能夠區(qū)分這些噴流和非典型噴流特征，這些特征可能表明存在新的相互作用。這些將在數(shù)據集中顯示為非典型噴流的累積。

另一種方法是指示 AI 算法考慮整個碰撞事件，并在檢測到的不同粒子中尋找異常特征。這些異常特征可能表明存在新粒子。ATLAS 于 2023 年 7 月發(fā)表的一篇論文展示了這項技術，該論文展示了 LHC 結果中首次使用無監(jiān)督機器學習之一。

在 CMS，我們采用了一種不同的方法，即物理學家創(chuàng)建潛在新信號的模擬示例，然后讓人工智能識別真實數(shù)據中與常規(guī)噴氣機不同但與模擬相似的碰撞。

在CMS公布的最新結果中，每種AI訓練方法對不同類型的新粒子表現(xiàn)出不同的敏感性，并且沒有一種算法被證明是最好的。

CMS 團隊能夠限制產生異常噴流的幾種不同類型粒子的產生率。他們還能夠證明，與傳統(tǒng)技術相比，人工智能主導的算法顯著提高了對各種粒子特征的靈敏度。

標簽：