世界领先的原子粉碎机的物理学家正在呼吁帮助。在未来十年内，他们计划在大型强子对撞机（LHC）中产生比现在多 20 倍的粒子碰撞，但目前的探测器系统不适合即将到来的洪流。因此，本周，一群 LHC 物理学家与计算机科学家合作，发起了一场竞赛，以刺激人工智能技术的开发，这些技术可以快速筛选这些碰撞产生的碎片。研究人员希望这些技术将有助于实验的最终目标，即揭示关于自然规律的基本见解。
在位于日内瓦附近欧洲粒子物理实验室 CERN 的大型强子对撞机中，两束质子在机器的每个探测器内每秒碰撞 4000 万次。每次质子碰撞都会产生数千个新粒子，这些粒子从每个大教堂大小的探测器中心的碰撞点辐射出来。数百万个硅传感器以洋葱状层排列，每次粒子穿过它们时都会亮起，每次产生一个信息像素。仅当碰撞产生潜在有趣的副产品时才会被记录下来。当它们被记录下来时，探测器会拍摄一张快照，其中可能包括来自多达 20 对不同质子堆积的碎片的数十万个像素。（由于粒子以或接近光速的速度移动，因此探测器无法记录它们运动的完整电影。）
从这个混乱中，大型强子对撞机的计算机会实时重建数万条轨迹，然后再进行下一次快照。“游戏的关键是连接点，”加州理工学院帕萨迪纳分校的物理学家让-罗克·弗利芒特说，他是操作大型强子对撞机 CMS 探测器的合作团队成员。
关于支持科学新闻
如果您喜欢这篇文章，请考虑通过 订阅来支持我们屡获殊荣的新闻。通过购买订阅，您正在帮助确保关于当今塑造我们世界的发现和想法的有影响力的故事的未来。
在未来计划的升级之后，预计每次快照将包括来自 200 次质子碰撞的粒子碎片。物理学家目前使用模式识别算法来重建粒子的轨迹。虽然这些技术即使在升级后也能够计算出路径，“问题是，它们太慢了”，巴黎南大学奥赛分校的计算机科学家塞西尔·日尔曼说。如果没有对新技术的大量投资，大型强子对撞机的物理学家估计，碰撞率将至少超过当前能力的 10 倍。
研究人员怀疑机器学习算法可以更快地重建轨迹。为了帮助找到最佳解决方案，弗利芒特和其他 LHC 物理学家与包括日尔曼在内的计算机科学家合作，发起了 TrackML 挑战赛。在接下来的三个月中，数据科学家将能够下载 400 千兆字节的模拟粒子碰撞数据（理想化探测器产生的像素），并训练他们的算法来重建轨迹。
参与者将根据他们完成此操作的准确性进行评估。这一阶段的前三名表现者，由 谷歌拥有的 Kaggle 公司主办，将获得 12,000 美元、8,000 美元和 5,000 美元的现金奖励。弗利芒特说，第二场比赛将根据速度和准确性评估算法。
奖金的吸引力
此类竞赛在数据科学中有着悠久的传统，许多年轻的研究人员参与其中以建立他们的简历。“在挑战赛中获得良好的排名非常重要，”日尔曼说。这些比赛中最著名的大概是 2009 年的 Netflix 奖。这家娱乐公司向那些找出最佳方式来预测其用户想看什么电影的人提供 100 万美元，根据他们之前的评分。TrackML 也不是粒子物理学中的第一个挑战：2014 年，各团队竞相在一组模拟数据中“发现”希格斯玻色子（大型强子对撞机在 2012 年发现了理论长期预测的希格斯玻色子）。其他以科学为主题的挑战涉及从浮游生物到星系等各种数据。
从计算机科学的角度来看，希格斯挑战是一个普通的分类问题，该竞赛的顶尖选手之一蒂姆·萨利曼斯说（挑战赛结束后，萨利曼斯在加利福尼亚州旧金山的非营利组织 OpenAI 工作）。但是，它是关于大型强子对撞机物理学的事实增加了它的光彩，他说。这可能有助于解释挑战赛的受欢迎程度：近 1,800 个团队参加了比赛，许多研究人员认为这次比赛极大地增加了物理学和计算机科学界之间的互动。
日尔曼说，TrackML“难度更高”。在希格斯案例中，重建的轨迹是输入的一部分，参赛者必须进行另一层分析才能“找到”粒子。她说，在新问题中，你必须在 100,000 个点中找到大约 10,000 个椭圆弧。她认为获胜的技术最终可能类似于程序 AlphaGo 使用的技术，该程序在 2016 年击败人类冠军时创造了历史 在复杂的围棋游戏中。特别是，他们可能会使用强化学习，其中算法根据每次尝试后获得的“奖励”通过试错进行学习。
弗利芒特和其他物理学家也开始考虑更多未经测试的技术，例如 神经形态计算 和 量子计算。“我们不清楚要去哪里，”弗利芒特说，“但看起来我们有了一条很好的道路。”
本文经许可转载，并于2018 年 5 月 4 日首次发表。