人工智慧正在徹底改變大型強子對撞機實驗檢測新粒子的方式。透過訓練人工智慧識別和區分典型和非典型噴流，研究人員可以識別隱藏在粒子碰撞中的潛在新物理學。最近的進展在一次物理學會議上得到了強調，展示了這些人工智慧應用的進展和潛力。

ATLAS 和CMS 協作小組正在使用最先進的機器學習技術來搜尋可能預示著新物理學的奇異對撞。圖片來源：S Sioni/CMS-PHO-EVENTS-2021-004-2/M Rayner

大型強子對撞機（LHC）實驗的主要目標之一是尋找新粒子的跡象，這可以解釋物理學中的許多未解之謎。通常情況下，尋找新物理學的目的是以理論預測為指導，一次尋找特定類型的新粒子。但是，尋找未預測到的、意想不到的新粒子呢？

對物理學家來說，在不清楚要尋找什麼的情況下篩選大型強子對撞機實驗中發生的數十億次對撞是一項艱鉅的任務。因此，ATLAS 和CMS 協作小組讓人工智慧（AI）簡化了這個過程，而不是梳理資料和尋找異常。

在3月26日舉行的莫里翁德會議（Rencontres de Moriond ）上，來自CMS合作計畫的物理學家們展示了利用各種機器學習技術搜尋成對”噴流”所獲得的最新成果。這些噴流是源自於強相互作用夸克和膠子的粒子的準直噴流。它們特別難以分析，但可能隱藏著新的物理學。

被人工智慧演算法確定為高度異常、因此可能來自新粒子的CMS 事件之一的事件顯示。資料來源：CMS 協作

ATLAS 和CMS 的研究人員在搜尋噴流時使用了多種策略來訓練人工智慧演算法。透過研究其複雜能量特徵的形狀，科學家可以確定是什麼粒子產生了噴流。利用真實的碰撞數據，這兩個實驗的物理學家正在訓練他們的人工智慧，以識別源自已知粒子的噴流的特徵。然後，人工智慧能夠區分這些噴流和非典型噴流特徵，後者可能預示著新的相互作用。這將在資料集中顯示為非典型噴流的累積。

另一種方法是指示人工智慧演算法考慮整個碰撞事件，並在檢測到的不同粒子中尋找異常特徵。這些異常特徵可能預示著新粒子的存在。 2023 年7 月，ATLAS 發布的一篇論文展示了這項技術，這是在大型強子對撞機結果中首次使用無監督機器學習技術。在CMS，一種不同的方法是物理學家創建潛在新訊號的模擬範例，然後讓人工智慧識別真實數據中與常規噴流不同但與模擬相似的碰撞。

在CMS 公佈的最新結果中，每種人工智慧訓練方法對不同類型的新粒子表現出不同的敏感性，沒有一種演算法被證明是最好的。 CMS 團隊能夠限制產生異常噴流的幾種不同類型粒子的產生率。他們也能夠證明，與傳統技術相比，人工智慧主導的演算法大大提高了對各種粒子特徵的靈敏度。

這些結果表明，機器學習正在徹底改變對新物理學的探索。 CMS分析團隊的奧茲-阿姆拉姆（Oz Amram）說：”我們已經有了進一步改進演算法的想法，並將其應用於數據的不同部分，以搜尋多種粒子。”

編譯自/ ScitechDaily