大型強子對撞機每秒鐘能粉碎10億對質(zhì)子,。有時,，對撞機可能攪動現(xiàn)實，產(chǎn)生一些前所未見的東西,。但由于這些事件從本質(zhì)上說是一種意外,，物理學(xué)家并不確切地知道自己要尋找什么。他們擔(dān)心,，在把數(shù)十億次對撞產(chǎn)生的數(shù)據(jù)縮減至更易于管理的規(guī)模時,，也許會無意中刪掉物理學(xué)的新發(fā)現(xiàn)?！拔覀兛偸菗?dān)心,，在倒洗澡水時會連小孩一起倒掉?！奔~約大學(xué)粒子物理學(xué)家凱爾·克蘭默（Kyle Cranmer）說道,，他參與了歐洲核子研究中心的ATLAS（超環(huán)面儀器）實驗。

大型強子對撞機今年4月進(jìn)行的一次對撞實驗：橙色線條為帶電粒子,，黃色錐體為大粒子噴流,。

面對這種智能數(shù)據(jù)簡化的挑戰(zhàn)，一些物理學(xué)家正在嘗試一種名為“深度神經(jīng)網(wǎng)絡(luò)”的機器學(xué)習(xí)技術(shù),，通過它來挖掘海量的熟悉事件,，以期發(fā)現(xiàn)新的物理現(xiàn)象。

在經(jīng)典用例中,，一個深度神經(jīng)網(wǎng)絡(luò)學(xué)會了辨別貓和狗,，辦法就是饋入一堆被標(biāo)記成“貓”的照片和一堆被標(biāo)記成“狗”的照片，讓它進(jìn)行研究,。但在搜尋新的粒子時,，這種方法是行不通的，因為物理學(xué)家無法把自己從未見過的東西的照片饋入機器,。因此,，他們轉(zhuǎn)向了“弱監(jiān)督學(xué)習(xí)”，也就是讓機器從研究已知的粒子起步,，然后利用粗粒度信息——比如它們發(fā)生的總體頻率是多少——來尋找罕見事件,。

在今年5月發(fā)表于arxiv.org的一篇論文中，三位研究人員提出利用一種相關(guān)策略來拓展所謂的“凸塊搜尋”，科學(xué)家正是利用這種傳統(tǒng)的粒子搜尋方法發(fā)現(xiàn)了希格斯玻色子,。據(jù)論文作者之一,、美國勞倫斯伯克利國家實驗室的研究員本·納赫曼（Ben Nachman）稱，其總體思路是訓(xùn)練機器找出數(shù)據(jù)集中的罕見變化,。

想象這樣一個基于辨別貓狗的玩具模型,，如果有一個數(shù)據(jù)集是對北美各地森林的觀察結(jié)果，現(xiàn)在的問題是要試著從中發(fā)現(xiàn)一個新的動物物種,。假設(shè)新物種傾向于聚集在特定的地理區(qū)域（就好比一種新粒子可能因為特定的質(zhì)量聚集在一起）,，那么計算機算法應(yīng)該能通過系統(tǒng)地比較相鄰區(qū)域，將它們識別出來,。假如加拿大不列顛哥倫比亞省恰好有113頭北美馴鹿,，華盛頓州有19頭（即使觀察結(jié)果中還有數(shù)百萬只松鼠）,，算法也可以學(xué)會將松鼠與馴鹿區(qū)分開來,，即便它從來沒有直接學(xué)習(xí)過關(guān)于馴鹿的信息?！斑@不是魔法,，但感覺像是魔法?！倍砝諏髮W(xué)的理論粒子物理學(xué)家蒂姆·科恩（Tim Cohen）說道,。他也在從事弱監(jiān)督學(xué)習(xí)的研究。

相比之下,，粒子物理學(xué)中的傳統(tǒng)搜尋方法通常需要研究人員對新現(xiàn)象會是什么樣子做出假設(shè),。他們會創(chuàng)建一個模型，來界定新粒子的行為特征,，比如說,，一種新粒子可能會衰變成特定的已知粒子集合。只有在他們定義了自己想要尋找的東西之后,，才能設(shè)計出特定的搜尋策略,。這樣的工作通常需要一位博士生至少花上一年才能完成，而納赫曼認(rèn)為,，我們能夠以更快,、更全面的方式完成它。

這項研究提出的算法名為CWoLa,，全稱“Classification Without Labels”（無標(biāo)簽分類）,。它可以在現(xiàn)有數(shù)據(jù)中搜尋未知粒子，后者要么衰變成兩個較輕的相同類型未知粒子,，要么衰變成兩個不同或是相同類型的已知粒子,。使用常規(guī)的搜尋方法，大型強子對撞機至少需要20年時間，才能分析出后一種情況的可能性,；而對于前一種情況,，目前則根本無計可施。參與ATLAS項目的納赫曼表示,，CWoLa可以一口氣完成所有這些工作,。

其他粒子物理學(xué)家認(rèn)同，CWoLa可能是一個有價值的項目,?！拔覀円呀?jīng)研究了多種可能性，因此現(xiàn)在開始關(guān)注我們此前未曾關(guān)注過的地方,，這對我們來說是接下來的一個重要方向,。”物理學(xué)家凱特·帕查爾（Kate Pachal）說道,，她參與了ATLAS項目中搜尋新粒子“凸塊”的工作,。去年，帕查爾跟幾位同事反復(fù)討論過一個想法,，希望設(shè)計出一種靈活的軟件,，用于對一系列粒子質(zhì)量進(jìn)行處理，但當(dāng)時,，他們對機器學(xué)習(xí)都不甚了解,。“現(xiàn)在,，我覺得也許是時候試試這個了,。”她說,。

研究人員期望,，神經(jīng)網(wǎng)絡(luò)能夠在數(shù)據(jù)中找出利用當(dāng)前建模技術(shù)無法找到的微妙相關(guān)性。另一些機器學(xué)習(xí)技術(shù)已經(jīng)成功地提高了大型強子對撞機執(zhí)行某些任務(wù)的效率,，比如,，識別由底夸克粒子產(chǎn)生的“噴流”。這項工作無疑表明,，物理學(xué)家的確忽視了一些信號,。“他們忽略了一些信息,，當(dāng)你在一臺機器上花費了100億美元時,，你不會希望是這種結(jié)果?！奔又荽髮W(xué)歐文分校的粒子物理學(xué)家丹尼爾·懷特森（Daniel Whiteson）說,。

不過，機器學(xué)習(xí)也時常會鬧笑話，諸如把手臂和啞鈴弄混的例子也俯拾即是,，這對我們也是一種警示,。在大型強子對撞機項目中，也有一些人擔(dān)憂,，這種取巧之道最終可能把機器本身的異常當(dāng)成信號來處理,，而實驗物理學(xué)家通常需要費很大的勁才能做出區(qū)分?！耙坏┌l(fā)現(xiàn)了異?，F(xiàn)象，你如何知道它是新的物理學(xué)發(fā)現(xiàn),，還是探測器本身的故障呢,？”ATLAS項目的物理學(xué)家蒂爾·艾菲特（Till Eifert）問道。

翻譯：何無魚

校對：李莉

編輯：穎仔

來源：Quanta Magazine

造就：劇院式的線下演講平臺,，發(fā)現(xiàn)創(chuàng)造力