维也纳理工大学
两个重核碰撞后的夸克胶子等离子体
信用:图文 再复杂不过了:微小的粒子以极高的能量疯狂地旋转，无数的相互作用发生在纠缠在一起的量子粒子中，这导致了一种被称为“夸克-胶子等离子体”的物质状态
大爆炸后，整个宇宙立即处于这种状态；今天，它是由高能原子核碰撞产生的，例如在欧洲核子研究中心
这种过程只能用高性能计算机和高度复杂的计算机模拟来研究，其结果很难评估
因此，为此目的使用人工智能或机器学习似乎是一个显而易见的想法
然而，普通的机器学习算法并不适合这项任务
粒子物理的数学性质需要非常特殊的神经网络结构
在图维恩(维也纳)，现在已经展示了神经网络如何成功地用于粒子物理中的这些挑战性任务
神经网络 “尽可能真实地模拟夸克胶子等离子体需要极大的计算时间，”博士说
来自维也纳大学理论物理研究所的安德烈亚斯·伊普
“即使是世界上最大的超级计算机也无法承受这种情况
“因此，不需要精确计算每一个细节，而是需要借助人工智能来识别和预测等离子体的某些特性
因此，使用了神经网络，类似于用于图像识别的神经网络:人工“神经元”在计算机上以类似于大脑神经元的方式连接在一起——这就创建了一个网络，可以识别例如某张照片中是否有猫
然而，当将这种技术应用于夸克胶子等离子体时，有一个严重的问题:用于数学描述粒子和粒子间力的量子场可以用各种不同的方式来表示
“这被称为规范对称，”伊普说
“这背后的基本原理是我们所熟悉的:如果我以不同的方式校准测量设备，例如，如果我使用开尔文标度而不是摄氏标度作为温度计，我得到的数字完全不同，尽管我描述的是相同的物理状态
这与量子理论相似——除了在那里允许的变化在数学上要复杂得多
“乍一看完全不同的数学对象实际上可能描述的是相同的物理状态
网络结构中内置的Gage对称性 “如果你不考虑这些量具对称性，你就不能有意义地解释计算机模拟的结果，”博士说
大卫一世
米勒
“教一个神经网络自己计算出这些量纲对称性将是极其困难的
米勒说:“最好从设计神经网络的结构开始，让量具的对称性自动得到考虑——这样，同一物理状态的不同表示也能在神经网络中产生相同的信号。”
“这正是我们现在已经成功做到的:我们开发了全新的网络层，可以自动将gage不变性考虑在内
“在一些测试应用中，我们发现这些网络实际上可以更好地学习如何处理夸克胶子等离子体的模拟数据
安德烈亚斯·伊普说:“有了这样的神经网络，就有可能对系统进行预测——例如，估计夸克胶子等离子体在稍后的时间点会是什么样子，而不必真正详细计算每个中间步骤。”
“同时，确保系统只产生与量具对称性不矛盾的结果——换句话说，至少在原理上有意义的结果
" 用这种方法完全模拟欧洲核子研究中心的原子核心碰撞还需要一段时间，但是这种新型的神经网络为描述物理现象提供了一种全新的、有前途的工具，而所有其他计算方法可能永远不够强大
这项研究发表在《物理评论快报》上
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
