最近小茹姐发现为粒子物理学的未来提升计算能力这个话题相信很多小伙伴们都很感兴趣吧,那么今天就带大家了解下为粒子物理学的未来提升计算能力的具体详情,那么小茹姐就来给大家说说具体的一些问题吧,希望对大家有所帮助。
一项新的机器学习技术已由国际科学团队测试，包括麻省理工学院助理教授菲利普·哈里斯和博士后迪伦·兰金，他们都是核科学实验室的研究人员，它们可以在一瞬间发现大型强子对撞机(LHC)数据中的特定粒子特征。眼
新系统精巧而迅速，它可以一目了然地发现随着数据集变得越来越大和越来越复杂，机器学习将在未来的粒子物理学发现中扮演改变游戏规则的角色。
大型强子对撞机每秒产生约4000万次碰撞。借助如此庞大的数据进行筛选，需要强大的计算机来识别科学家可能感兴趣的那些碰撞，无论是暗物质还是希格斯粒子的暗示。
现在，费米实验室，欧洲核子研究中心，麻省理工学院，华盛顿大学和其他地方的科学家已经测试了一种机器学习系统，与现有方法相比，该系统可使处理速度提高30到175倍。
目前，此类方法每秒处理少于一幅图像。相反，新的机器学习系统每秒最多可以查看600张图像。在训练期间，系统学会了选择一种特定类型的碰撞后粒子模式。
麻省理工学院物理系成员哈里斯说：“我们正在识别的碰撞模式，即顶级夸克，是我们在大型强子对撞机上探查的基本粒子之一。” “重要的是，我们要分析尽可能多的数据。每条数据都包含有关粒子如何相互作用的有趣信息。”
当前的LHC升级完成后，这些数据将以前所未有的速度涌入。到2026年，预计17英里长的粒子加速器将产生的数据量是目前的20倍。为了使事情更加紧迫，将来的图像还将以比现在更高的分辨率拍摄。总之，科学家和工程师估计，大型强子对撞机将需要比目前拥有的计算能力高10倍以上。
哈里斯说：“未来运行的挑战越来越艰巨，因为我们的计算变得更加准确，并且我们探究的精度越来越高。”
该项目的研究人员训练了他们的新系统，以识别顶级夸克的图像，夸克是质量最重的基本粒子，比质子重约180倍。哈里斯解释说：“有了我们可用的机器学习架构，我们可以获得高质量的科学成果，堪与世界上最好的顶级夸克识别算法相提并论。” “高速实施核心算法使我们能够灵活地在最需要的关键时刻增强LHC计算。”