人工智能算法被用于分析LHC数据

如果粒子物理学家与人工智能研究人员各自独立开展工作，那么下一代粒子对撞机实验将需要采用一些世界上最先进的思维机器。这些机器应能基于少量的信息发现更多信息。在瑞士日内瓦附近地区开展大型强子对撞机（LHC）实验的物理学家们出于知识探索和对近十年搜集的大数据的管理需求，开始向人工智能专家寻求帮助。

2015年11月9-13日，欧洲核子研究中心举办的一个研讨会聚集了物理学家与人工智能专家，讨论了先进的人工智能技术对LHC研究的促进作用，粒子物理学家们已经意识到他们无法独自完成LHC的研究。

计算机科学家们纷纷响应。2014年，法国巴黎南部大学的计算机科学家Germain帮助组织了一次编程竞赛，其目的是写出能够从一组模拟数据中发现希格斯玻色子存在迹象的程序，此次竞赛吸引了1700多个研发团队参与。

粒子物理学早已用于人工智能研究，2012年，科学家们通过ATLAS与CMS这两大LHC实验发现了希格斯玻色子，部分采用机器学习技术，这种人工智能技术可通过算法训练识别数据模式。科学家们通过这些算法对粒子碰撞的碎片进行了模拟，并学习从数以百万计的平常事件中发现罕见的希格斯粒子的衰变模式。

但在不久后，实验需在收集数据方面更加智能，而不仅仅是能够处理数据。目前CMS与ATLAS实验各自能够产生每秒数亿次碰撞，探测器几乎忽略了所有碰撞，仅保留了1次。计划在2025年进行的升级意味着碰撞数量将增加20倍，而探测器则必须采用更精密的方法选择保留哪些事件。

启示可能来源于另一个LHC实验LHCb，该实验的目的是研究粒子与其对应的反物质之间的不对称性。在准备第二次LHC高能运行实验时，LHCb团队对探测器进行了编程，采用机器学习方法决定保留哪些数据。LHCb对温度和压力的轻微变化很敏感，因此在整个实验过程中无论何时出现条件变化，通过机器学习可实时决定保留哪些数据，这一点是该实验的创新之处。

粒子物理实验在升级后通常需要数月才能重新校准。但在能量升级后两周内，探测器“重新发现”了一个被称为J/ψ介子的粒子，该粒子的首次发现是在1974年美国的两个独立实验中。有研究人员称，在接下来的几年，CMS和ATLAS可能会追赶LHCb的步伐，利用探测器算法完成更多的实时工作，这将彻底改变目前的数据分析方式。

对人工智能决策的依赖性增大将提出新的挑战。LHCb实验主要侧重于发现那些可被进一步详细研究的已知粒子，而ATLAS与CMS实验则是为了发现新的粒子。采用各种算法达成的模糊标准摒弃那些从原理上看可能含有重大发现的数据这一建议引起了许多物理学家的担忧。研究人员想要了解算法的工作原理，确保它们基于的是物理学原理。这一新方法的支持者还必须说服其同僚摒弃“实验试错”法，因此一种新方法的接受过程需要很长时间，LHCb约有1000名人员，ATLAS与CMS实验各自有3000名实验人员。

尽管面临这些挑战，研讨会上讨论最多的问题是，粒子物理学是否应当利用以及如何利用更先进的人工智能技术——深度学习。已经采用图片等样本数据习得了基本的机器学习算法，即说出每张图片中的内容（房子与猫）。但对于谷歌翻译软件和苹果Siri等软件采用的深度学习技术，计算机通常不会受到这样的监控，而是对对象进行自动分类。尽管物理学家们强调不愿失去对算法的控制，数位发言人还是在研讨会上讨论了如何将深度学习技术应用于物理学研究。