Partikkelfysikere vende seg til AI for å takle CERNs kollisionsdyrkning


En visualisering av komplekse sprayer av subatomære partikler, produsert fra kolliderende protonbjelker i CERNs CMS-detektor ved Large Hadron Collider i nærheten av Genève, Sveits, i midten av april 2018. Fysikere på verdens ledende atomsmasher ber om hjelp. I løpet av det neste tiåret planlegger de å produsere opptil 20 ganger mer partikkelkollisjoner i Large Hadron Collider (LHC) enn de gjør nå, men nåværende detektorsystemer passer ikke til den kommende deluge. Så i denn

En visualisering av komplekse sprayer av subatomære partikler, produsert fra kolliderende protonbjelker i CERNs CMS-detektor ved Large Hadron Collider i nærheten av Genève, Sveits, i midten av april 2018.

Fysikere på verdens ledende atomsmasher ber om hjelp. I løpet av det neste tiåret planlegger de å produsere opptil 20 ganger mer partikkelkollisjoner i Large Hadron Collider (LHC) enn de gjør nå, men nåværende detektorsystemer passer ikke til den kommende deluge. Så i denne uken har en gruppe LHC-fysikere slått seg sammen med datavitenskapere for å starte en konkurranse for å stimulere utviklingen av kunstig intelligens teknikker som raskt kan sortere gjennom ruskene av disse kollisjonene. Forskere håper dette vil hjelpe eksperimentets ultimate mål å avsløre grunnleggende innsikt i naturens lover.

På LHC ved CERN, Europas partikkelfysikklaboratorium i nærheten av Genève, kolliderer to bunker protoner inn i hver av maskinens detektorer 40 millioner ganger i sekundet. Hver protonkollisjon kan produsere tusenvis av nye partikler, som utstråler fra et kollisjonspunkt i midten av hver katedralstørrelsesdetektor. Millioner silisium sensorer er arrangert i løklignende lag og lyser opp hver gang en partikkel krysser dem, og produserer en piksel med informasjon hver gang. Kollisjoner registreres kun når de produserer potensielt interessante biprodukter. Når de er, tar detektoren et øyeblikksbilde som kan inkludere hundretusener av piksler fra oppstoppet rusk på opptil 20 forskjellige protonpar. (Fordi partikler beveger seg ved eller nær lysets hastighet, kan en detektor ikke spille inn en full film av bevegelsen.)

Fra dette rotet rekonstruerer LHCs datamaskiner titusenvis av spor i sanntid før de går videre til neste stillbilde. "Navnet på spillet er å koble prikkene", sier Jean-Roch Vlimant, fysiker ved California Institute of Technology i Pasadena, som er medlem av samarbeidet som driver CMS-detektoren på LHC.

Etter fremtidige planlagte oppgraderinger forventes hvert øyeblikksbilde å inkludere partikkelrester fra 200 protonkollisjoner. Fysikere bruker for øyeblikket mønstergenkjenningsalgoritmer for å rekonstruere partikelsporene. Selv om disse teknikkene vil kunne trene selv etter oppgraderingene, er problemet, de er for sakte, sier Cécile Germain, datavitenskapsmann ved University of Paris South i Orsay. Uten stor investering i nye detektorteknologier anslår LHC-fysikere at kollisjonsratene vil overstige dagens kapasitet med minst en faktor på 10.

Forskere mistenker at maskinlæringsalgoritmer kan rekonstruere sporene mye raskere. For å finne den beste løsningen, kom Vlimant og andre LHC fysikere sammen med datavitenskapere, inkludert Germain, for å starte TrackML-utfordringen. I de neste tre månedene vil dataforskere kunne laste ned 400 gigabyte simulerte partikkelkollisjonsdata - pikslene produsert av en idealisert detektor - og trene sine algoritmer for å rekonstruere sporene.

Deltakerne vil bli vurdert på nøyaktigheten som de gjør dette. De tre beste utøverne av denne fasen, som er vert for det Google-eide selskapet Kaggle, vil motta pengepremier på USD 12.000, $ 8.000 og $ 5.000. En andre konkurranse vil da evaluere algoritmer på grunnlag av fart og nøyaktighet, sier Vlimant.

Pris appell

Slike konkurranser har en lang tradisjon innen datavitenskap, og mange unge forskere deltar i å bygge opp sine CVer. "Å bli godt rangert i utfordringer er ekstremt viktig, " sier Germain. Kanskje den mest berømte av disse konkurransene var 2009 Netflix-prisen. Underholdningsfirmaet tilbød USD 1 million til den som utarbeidet den beste måten å forutsi hvilke filmer brukerne ønsker å se på, foregående sine tidligere vurderinger. TrackML er ikke den første utfordringen i partikkelfysikk, heller: i 2014 konkurrerte lagene å "oppdage" Higgs bosonet i et sett med simulerte data (LHC oppdaget Higgs, lenge spådd av teori, i 2012). Andre vitenskaps-temautfordringer har involvert data om alt fra plankton til galakser.

Fra datavitenskapspunktet var Higgs-utfordringen et vanlig klassifiseringsproblem, sier Tim Salimans, en av toppspillerne i det løpene (etter utfordringen, fortsatte Salimans å jobbe med den ideell innsatsen OpenAI i San Francisco, California). Men det faktum at det handlet om LHC-fysikk, ble lagt til sin glans, sier han. Det kan bidra til å forklare utfordrens popularitet: nesten 1800 lag tok del, og mange forskere krediterer konkurransen for å ha dramatisk økt samspillet mellom fysikk og datavitenskapssamfunn.

TrackML er "uforlignelig vanskeligere", sier Germain. I Higgs-saken var de rekonstruerte sporene en del av inngangen, og deltakere måtte gjøre et annet analyselag for å "finne" partikkelen. I det nye problemet, sier hun, du må finne i 100.000 poeng noe som 10.000 bue av ellipse. Hun mener at vinnende teknikken kan ende opp med de som brukes av programmet AlphaGo, som gjorde historie i 2016 da det slo en menneskelig mester i det komplekse spillet Go. Spesielt kan de bruke forsterkningsinlæring, hvor en algoritme lærer ved prøve og feil på grunnlag av "belønninger" som den mottar etter hvert forsøk.

Vlimant og andre fysikere begynner også å vurdere mer uprøvde teknologier, som nevromorphic computing og quantum computing. "Det er ikke klart hvor vi skal, " sier Vlimant, "men det ser ut til at vi har en god vei."

Denne artikkelen er reprodusert med tillatelse og ble først publisert 4. mai 2018.

Hva betyr Trumps nye "åpne sinn" på klimatakkordet?Den overraskende opprinnelsen til evolusjonær kompleksitet"Star Wars" Planeter Migrere inn i posisjon rundt StellarUniversets kuleste lab satt til Open Quantum WorldØkofriendly Tolls ?: Congestion Pricing Fremmer Mass TransitEvolusjon og klimavitenskap gjør graden i statlige utdanningsstandarderDen afrikanske grønne revolusjonen (utvidet versjon)99 Prosent Chance 2016 blir det heteste året på posten