據(jù)外媒Neowin報道，物理領(lǐng)域的研究受益于人工神經(jīng)網(wǎng)絡和深度學習的興起。過去，我們已經(jīng)看到它們被用于研究暗物質(zhì)和大型星系。而現(xiàn)在科學家已經(jīng)在外來粒子研究中使用了神經(jīng)網(wǎng)絡。在歐洲核子研究組織（CERN）的大型強子對撞機（LHC）上建立的緊湊型μ子介子螺線管(CMS)上，研究人員正在使用神經(jīng)網(wǎng)絡識別由LHC內(nèi)部質(zhì)子-質(zhì)子碰撞產(chǎn)生的非典型實驗特征。

傳統(tǒng)碰撞算法很難追蹤這些實驗特征，因為碰撞產(chǎn)生的大部分“碎片”都是短暫的。但是神經(jīng)網(wǎng)絡可以證明在這種情況下很有效。這是因為可以對它們進行實際數(shù)據(jù)訓練。

CMS的神經(jīng)網(wǎng)絡已經(jīng)使用這些數(shù)據(jù)進行了訓練，并將很快可以自動檢測實驗特征。為了進行訓練，研究人員使用了通過向后傳播進行域自適應來改善在碰撞數(shù)據(jù)中觀察到的噴氣機類概率分布的仿真模型。

對神經(jīng)網(wǎng)絡進行了訓練（在監(jiān)督下），以區(qū)分由長壽命粒子的衰變所產(chǎn)生的稱為“射流”的粒子噴霧與更為常見的物理過程所產(chǎn)生的射流。

到目前為止，該模型已顯示出令人鼓舞的結(jié)果。在對粒子軌道進行分析的過程中，從長壽命粒子中正確識別出噴射流的可能性為50％，在每千次中該模型僅一次錯誤識別了常規(guī)噴射流，并顯示出較少的誤報和誤報。

CERN相信，新系統(tǒng)將有助于推進該機構(gòu)尋找短暫和奇異顆粒的要求。有關(guān)更多信息，您可以研究在arXiv上發(fā)表的論文。