Søgemaskine til nye gennembrud inden for fysik

Forestil dig, at du har mange data, men du ved ikke rigtig, hvad du leder efter. Så hvad laver du? I så fald bruger du en computer, der automatisk søger efter afvigelser. Ifølge forsker Sascha Caron, dette vil være en lovende metode til at opnå nye gennembrud inden for partikelfysik. Sammen med andre ATLAS -forskere på CERN, han har demonstreret denne nye tilgang i et papir i The European Physics Journal C, som blev offentliggjort tidligere på måneden.

Siden opdagelsen af ​​Higgs-bosonet i 2012, der var store forventninger til nye gennembrud inden for fysik fra Large Hadron Collider (LHC) på CERN. "Desværre, der har været få gennembrud af lige stor størrelse, måske fordi vi ikke søger på nok steder, "siger Sascha Caron, fysiker ved Radboud Universitet og ved Nikhef. Han er drivkraften bag den nye metode, sammen med kollegerne Sara Alderweireldt og Jeroen Schouwenberg.

Søger efter det ukendte

På LHC, forskere producerer enorme mængder data for at undersøge standardmodellen for partikelfysik, som beskriver de kræfter og partikler, der danner alt stof. Caron:"I søgen efter Higgs -partiklen vidste vi nøjagtigt, hvad vi ledte efter, den eneste ukendte var dens masse. Fordi vi i øjeblikket ikke ved præcis, hvad vi leder efter, så vi kan udvide standardmodellen endnu mere, det tager meget længere tid at gøre til en ny opdagelse. Du kan sammenligne det med at søge efter et skjult legetøj i et stort rum fyldt med legetøj, men uden at vide, hvordan det ser ud. "

Først hurtigt, så præcist

For at fremskynde søgeprocessen, Caron og en række kolleger har foreslået en ny systematisk tilgang, der kan bruges til at finde spor om nye partikler. I øjeblikket, forskerne på CERN ser meget specifikt på en enkelt model eller på en enkelt egenskab. Ifølge Caron, dette kan gøres anderledes:"Ved at bruge algoritmer, vi ønsker at undersøge alle data samtidigt, ved hjælp af automatisering, at finde afvigelser fra standardmodellen. "

"Ulempen ved denne tilgang er, at vi kan undersøge dataene mindre præcist end i andre tilgange, "siger Caron. For at løse dette problem, forskerne udtænkte en to-trins metode:først hurtigt sammenligne alle data med standardmodellen, og derefter fokusere på de afvigelser, du har fundet.

AI er fremtiden

Brede søgemetoder med algoritmer bruges allerede i andre felter, såsom genetik. "Denne brede søgemetode er ikke tidligere blevet brugt til at analysere data fra LHC. Dette skyldes, at data i partikelfysik ofte er meget komplekse i forhold til data i andre felter. Hvis du ikke kan angive, hvilken slags data du leder efter, det er svært at lære en algoritme."

Sammen med kollegerne Sara Alderweireldt og Jeroen Schouwenberg, Caron har for nylig gennemført en anden 'run' på dataene. Han vil forfine metoden endnu mere. "Mit mål er at gøre opdagelser inden for partikelfysik gennem kunstig intelligens (AI) og maskinlæring. En computer er ikke kun objektiv, automatisering giver også en billigere og hurtigere vej til videnskabelig fremgang end den, der i øjeblikket følges - ikke kun inden for partikelfysik, men på alle videnskabelige områder. "