» » Искусственный интеллект поможет обуздать поток данных с БАК


Искусственный интеллект поможет обуздать поток данных с БАК



Искусственный интеллект поможет обуздать поток данных с БАК

Следующее поколение экспериментов по столкновению частиц задействует ряд самых продвинутых мыслящих машин в мире, если связи, созданные между физиками частиц и исследователями искусственного интеллекта (ИИ), укрепятся. Такие машины могут совершать открытия с небольшим вовлечением человека — и такая перспектива очень заинтересовала физиков.

Влекомые рвением совершать открытия и знанием того, что им придется столкнуться с неуправляемым объемом данных за десять лет, физики, работающие на Большом адронном коллайдере близ Женевы, Швейцария, запросили помощи экспертов в области ИИ.
9-13 ноября ведущие светила обоих сообществ приняли участие в семинаре — первом в своем роде, — на котором обсудили, как передовые методы ИИ могли бы ускорить свершения открытий на БАК. Физики частиц «осознали, что не смогут справиться с этим в одиночку», говорит Сесиль Жермен, ученый из Университета Париж-Юг в Орсе, принимавшая участие в семинаре ЦЕРН, лаборатории физики элементарных частиц, владеющей БАК.
Компьютерные ученые массово откликнулись на просьбу. В прошлом году Жермен помогла организовать конкурс по написанию программ, которые могли бы «обнаружить» следы бозона Хиггса в наиболее моделируемых данных; свои предложения выдвинули более 1700 команд.
Физика частиц, в принципе, уже знакома с ИИ. В частности, когда ATLAS и CMS, два крупнейших эксперимента БАК, обнаружили бозон Хиггса в 2012 году, они сделали это в рамках использования машинного обучения — формы ИИ, которая «обучает» алгоритмы распознавать закономерности в данных. Эти алгоритмы сначала обкатывались на моделях столкновений частиц и учились выделять закономерности, рожденные в процессе распада редких частиц Хиггса среди миллионов более понятных событий. Потом их отправили работать с реальными данными.
Но в ближайшем будущем эти эксперименты должны стать умнее в плане собирательства своих данных, а не только в их обработке. CMS и ATLAS в настоящее время производят сотни миллионов столкновений в секунду и опираются на быстрые и грязные критерии, игнорируя все события из тысячи кроме одного. Обновления, запланированные к 2025 году, означают, что число столкновений вырастет в 20 раз и что детекторам придется использовать более хитроумные способы, чтобы выбирать, что сохранять, говорит физик CMS Мария Спиропулу из Калифорнийского технологического института в Пасадене, помогавшая в организации семинара ЦЕРН. «Мы собираемся в неизвестность», — говорит она.
Вдохновение может прийти с другого эксперимента БАК, LHCb, который посвящен изучению тонких асимметрий между частицами и их антиматериальными противоположностями. В рамках подготовки ко второму запуску БАК с повышенной энергией, которая началась в апреле, команда LHCb запрограммировала свой детектор на использование машинного обучения при выборе, какие данные сохранять.
Искусственный интеллект поможет обуздать поток данных с БАК

LHCb чувствителен к крошечным изменениям в температуре и давлении, поэтому данные, которые интересны сейчас, могут меняться на протяжении эксперимента — и к этому машинное обучение может адаптировать установку в режиме реального времени. «До этого никто такого не делал», — говорит Владимир Глигоров, физик LHCb в ЦЕРН, руководящий проектом ИИ.
Эксперименты в области физики частиц, как правило, требуют месяцев калибровки после обновления, говорит Глигоров. Но уже через две недели после энергетического апгрейда, детектор «заново обнаружил» частицу J/? мезон — впервые обнаруженную в 1974 году в ходе двух независимых американских экспериментов и позже принесшую своим открывателям Нобелевскую премию.
В последующие годы CMS и ATLAS, скорее всего, пойдут по стопам LHCb, говорит Спиропулу и другие, и обеспечат детекторы алгоритмами, способными выполнять больше работы в режиме реального времени. Это будет революцией в области анализа данных.
Увеличение зависимости от принятия решений искусственным интеллектом будет сопряжено с новыми проблемами. В отличие от LHCb, который фокусируется в основном на поиске известных частиц, чтобы их можно было детально изучить, ATLAS и CMS предназначены для поиска новых частиц. Идея выбрасывания данных, которые могут в принципе содержать великие открытия, на основе критериев, которые будут непрозрачным образом определяться алгоритмами, вызывает беспокойство у многих физиков, говорит Жермен. Ученые хотят понять, как работают алгоритмы, и убедиться, что они основаны на принципах физики. «Это кошмар для них».
Сторонники этого подхода также должны убедить своих коллег отказаться от проверенных и испытанных методов, говорит Глигоров. «Эти сообщества огромны, поэтому на одобрение метода уйдет время, приблизительно равное возрасту Вселенной». В LHCb 1000 членов; в ATLAS и CMS по 3000.
Несмотря на эти проблемы, самым горячо обсуждаемым вопросом на семинаре было то, следует ли и если да, то как, физике частиц использовать еще более хитроумный ИИ, в форме так называемой техники глубокого обучения. Базовые алгоритмы машинного обучения обучаются на простых данных вроде изображений и «говорят», что на этих картинках изображено — лошадь или кот, например. Но в глубоком обучении, которое используется программным обеспечением Google (переводчик) и системы распознавания голоса в Siri от Apple, компьютер, как правило, не получает такого надзора и находит способы категоризации объектов самостоятельно.
И хотя они подчеркивают, что ученым было бы неудобно давать алгоритму такой уровень контроля, некоторые ораторы на семинаре ЦЕРН рассказали, как глубокое обучение можно было бы применить к физике. Пьер Бальди, исследователь ИИ в Калифорнийском университете в Ирвине, применявший машинное обучение к различным областям науки, описал, как он и его коллеги провели исследование и 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.


Уважаемый посетитель, Вы зашли на сайт как незарегистрированный пользователь.
Мы рекомендуем Вам зарегистрироваться либо войти на сайт под своим именем.
Архив | Связь с админом | Каталог ссылок | Конфиденциальность

RSS канал новостей Яндекс.Метрика