En ny måling til at fange ligheden mellem kolliderende hændelser

Forskere ved Massachusetts Institute of Technology (MIT) har for nylig udviklet en metrik, der kan bruges til at fange rummet af kolliderende hændelser baseret på jordbevægerens afstand (EMD), et mål, der bruges til at evaluere uligheden mellem to flerdimensionale sandsynlighedsfordelinger. Den metric, de foreslog, beskrevet i et papir udgivet i Fysisk gennemgangsbreve , kunne muliggøre udviklingen af ​​nye kraftfulde værktøjer til at analysere og visualisere kolliderdata, som ikke er afhængige af et udvalg af observerbare.

"Vores forskning er motiveret af et bemærkelsesværdigt simpelt spørgsmål:Hvornår er to partikelkollisioner ens?" Erik Metodiev, en af ​​forskerne, der gennemførte undersøgelsen, fortalte Phys.org. "Ved Large Hadron Collider (LHC), protoner smadres sammen ved ekstremt høje energier, og hver kollision producerer en kompleks mosaik af partikler. To kolliderende hændelser kan ligne hinanden, selvom de består af forskellige antal og typer partikler. Dette er analogt med, hvordan to mosaikker kan ligne hinanden, selvom de består af forskellige tal og farver på fliser. "

I deres undersøgelse, Metodiev og hans kolleger satte sig for at fange ligheden mellem kolliderhændelser på en måde, der er begrebsmæssigt nyttig for partikelfysik. At gøre dette, de brugte en strategi, der kombinerer ideer relateret til optimal transportteori, som ofte bruges til at udvikle banebrydende billedgenkendelsesværktøjer, med indsigt fra kvantefeltteori, en konstruktion, der beskriver fundamentale partikelinteraktioner.

"Vores nye resultat er en kvantitativ metode til at bestemme afstanden (via en 'metrisk') mellem to kollisionshændelser, "Sagde Metodiev." Når du kender afstanden mellem hvert par kolliderende hændelser, du kan derefter triangulere hele rummet af LHC-data. Vi håber, at denne måde at behandle information fra LHC på vil give ny indsigt i naturens fundamentale interaktioner."

I det væsentlige, metriken udviklet af forskerne repræsenterer det 'arbejde', der kræves for at omarrangere en kolliderhændelse til en anden. Det er baseret på EMD, en metode, der typisk bruges til at udvikle computervisionsværktøjer, der sammenligner lighederne mellem to objekter eller billeder.

EDM virker ved at forsøge at omarrangere en begivenhed til en anden ved at flytte "snavs, " eller i dette tilfælde partikelenergier, rundt om. Typisk, jo mere arbejde der kræves for at udføre denne omarrangering, de mere to begivenheder, objekter eller billeder er forskellige.

"Grunden til, at denne opfattelse af lighed er så nyttig i partikelfysik, er, at den stemmer overens med den måde, vi udfører teoretiske beregninger på, "Patrick Komiske, en anden forsker involveret i undersøgelsen, fortalte Phys.org. "I kvantefeltteori, du kan ikke forudsige præcis, hvad der vil ske i en bestemt kollision, men du kan forudsige sandsynligheden for at producere bestemte mønstre af partikelaffald. For at definere, hvad du mener med et mønster, selvom, du har brug for en forestilling om lighed, som viser sig at være præcis, hvad vores metric giver."

I deres papir, Metodiev, Komiske og deres kollega Jesse Thaler anvendte specifikt deres metrik til jetfly; sprays af partikler, der almindeligvis opstår fra højenergikvarker og gluoner. Mens egenskaberne af individuelle jetfly er blevet undersøgt grundigt i de sidste fire årtier, deres metrik gav forskerne mulighed for at studere forholdet mellem par jetfly, og dermed afsløre nye og komplementære oplysninger om jetdannelsesprocessen.

"At have en universel forestilling om lighed mellem begivenheder er meget nyttig til en række kolliderende opgaver, " sagde Metodiev. "En fælles opgave ved LHC er at klassificere forskellige typer kollisioner, på samme måde som du ville klassificere et billede som indeholdende en kat, hund, eller enhjørning. Ved at bruge vores metrik til at klassificere jetfly som stammende fra en kvark, gluon, eller noget mere eksotisk, vi opnår en præstation, der nærmer sig den moderne maskinindlæringstekniks. "

I en række evalueringer, forskerne demonstrerede effektiviteten af ​​deres metode til at fange ligheden mellem kolliderende begivenheder. Deres teknik opnåede bemærkelsesværdige resultater, med nøjagtighedsniveauer, der kan sammenlignes med dem, der opnås med state-of-the-art maskinlæringsmodeller.

Ud over potentielt at hjælpe forskere med at klassificere kolliderhændelser, metrikken udviklet af Metodiev og hans kolleger kunne bruges til at visualisere kolliderdata på en helt ny måde. Traditionelt set i partikelfysik, forskere fokuserer på en enkelt egenskab af en samling af kolliderende hændelser (dvs. 'skoven') eller på de detaljerede egenskaber ved en individuel kolliderbegivenhed (dvs. 'træerne'). Da den nye metric giver brugerne mulighed for at gruppere lignende collider -begivenheder sammen, det muliggør observation af 'skoven' og individuelle 'træer' samtidigt, ved at identificere begivenheder, der bedst fanger hovedtrækkene i datasættet som helhed.

"Ud over, fra et mere matematisk perspektiv, når du har en forestilling om afstand, du kan studere geometrien i begivenhedsrummet, som giver en ny måde at tænke på eksisterende koncepter i kolliderfysik, der går tilbage til 1970'erne, " tilføjede Metodiev. "F.eks. at undgå uendeligheder i kvantefeltteori-beregninger, man skal simpelthen sikre, at hændelsesgeometrien er tilstrækkelig jævn, uden nogen entydige pointer. I fremtiden, vi planlægger at udvikle nye observerbare kolliderer og teknikker baseret på dette geometriske perspektiv."

Metriken udviklet af Metodiev, Komiske og Thaler kunne have mange interessante anvendelser. Det kunne endda bruges til at søge efter uregelmæssigheder i LHC-datasæt ved hjælp af en strategi kendt som anomalidetektion, som i sidste ende kan hjælpe med at afdække nye fysikbeviser.

På kort sigt, forskerne planlægger at bruge deres metrik til at genfinde kendte aspekter af standardmodellen i det nye geometriske sprog, de foreslog. Ultimativt, imidlertid, deres teknik kunne afsløre tegn på eksistensen af ​​nye partikler eller kræfter, samt tidligere ukendte aspekter af selve standardmodellen.

"Med vores forestilling om lighed, vi kan ikke kun identificere de mest almindelige hændelseskonfigurationer, men også de mest eksotiske, og det er muligt, at disse eksotiske begivenheder kunne give hints til fysik ud over standardmodellen, " Thaler fortalte Phys.org. "Vi arbejder i øjeblikket på at benchmarke denne idé med offentlige kolliderdata. Siden 2014 har CMS -eksperimentet på LHC har frigivet undersæt af deres data til ubegrænset brug, inklusive alle de nødvendige oplysninger til at beregne vores metrik. Dette giver os en mulighed for at udforske begivenhedernes rum på rigtige kolliderdata."

© 2019 Science X Network