9-13 ноября физики, работающие на Большом адронном коллайдере близ Женевы, Швейцария, и эксперты в области искусственного интеллекта провели семинар о том, как передовые методы ИИ могли бы ускорить свершения открытий на БАК.
ИИ уже был использаван в сфере физики частиц. В прошлом году, например, компьютерные ученые организовали конкурс по написанию программ, которые могли бы «обнаружить» следы бозона Хиггса в наиболее моделируемых данных (свои предложения выдвинули более 1700 команд). Более того, когда ATLAS и CMS, два крупнейших эксперимента БАК, обнаружили бозон Хиггса в 2012 году, они сделали это в рамках использования машинного обучения.
В ближайшем будущем эксперименты по физике частиц станут сложнее в плане количества данных. Если в настоящее время CMS и ATLAS производят сотни миллионов столкновений в секунду, то к 2025 году их число вырастет в 20 раз.
В последующие годы CMS и ATLAS пойдут по стопам LHCb, говорит физик CMS Мария Спиропулу из Калифорнийского технологического института в Пасадене. Они обеспечат детекторы алгоритмами, способными выполнять больше работы в режиме реального времени. Это будет революцией в области анализа данных.
Камнем преткновения для физиков остается идея выбрасывания данных, которые могут в принципе содержать великие открытия, на основе определенных алгоритмами критериев.
Конечно, ученым было бы неудобно давать алгоритму такой уровень контроля. Тем не менее, Пьер Бальди, исследователь ИИ в Калифорнийском университете в Ирвине, применявший машинное обучение к различным областям науки, описал, как он и его коллеги выяснили, что техника глубокого обучения, известная как «темное знание», могла бы помочь в поисках темной материи.
Глубокое обучение может даже привести к открытию частиц, которых теоретики еще не предсказывали, говорит член CMS Маурицио Пьерини, штатный физик ЦЕРН.