天津苹果XR屏幕坏了_精确人工智能――核物理与粒子物理领域的新生力量

粒子物理学中的标准模型已成功描述了所有已知的基本粒子以及控制整个宇宙(重力除外)的四个基本力中的三个。天津苹果XR屏幕坏了而这三个基本力-电磁力，强相互作用力(简称为强力工业)和弱相互作用力(简称为弱力)-不仅控制粒子的形成，而且还决定了粒子如何相互作用以及如何逐渐衰减。

但是，在此框架内研究粒子物理和核物理仍然非常困难，需要依靠大规模的数值研究。例如，许多功率问题需要对晶片上的动力学进行数值模拟，该动力学是质子大小的十分之一甚至一百分之一，因此要回答有关质子，中子和原子核的基本特性的问题。

物理学助理教授Piala Shanahan说：“最后，在使用晶格场理论研究质子和核结构时，我们遇到了计算能力的局限。对于许多有趣的问题，我们只知道如何从原则上解决它们，但是即使是世界上最大的超级计算机也不足以提供必要的计算能力。”

为了克服这些限制，Shanahan领导了一个将理论物理学与机器学习模型结合在一起的团队。在最近发表在《 Physical Review Letters》上的论文《基于等价流的晶格规矩采样》中，他们展示了如何将物理理论的对称性纳入机器学习中。在人工智能的框架内，这将为理论物理学带来更快的算法。

Shanahan解释说：“我们使用机器学习不是分析大量数据，而是以不损害方法严格性的方式加速第一原理理论。这项特殊的工作表明，我们可以建立粒子和核物理的标准模型。某些对称的机器学习架构可以在当前采样问题中实现计算速度的数量级增加。”

Shanahan与麻省理工学院的研究生Gurtej Kanwar和纽约大学的Michael Albergo共同赞助了这个项目。随着项目的扩展，理论物理中心的博士后研究员Daniel Hackeet和Denis Boyda，纽约大学教授Kyle Cranmer和Google D来自eep Mind团队精通物理的机器学习科学家SébastienRacanière和Danilo Jimenez Rezende也受到了吸引。

最近发表的论文旨在实现目前在计算水平上难以解决的理论物理学研究主题。作为一系列文章之一，Kanwar在论文中表示：“我们的目标是为理论物理领域的关键数值计算开发新的算法。这些计算使我们对粒子物理学的标准模型(即最基本的问题(理论的内部工作原理)，可以将相关的计算结果与粒子物理实验(例如CERN的大型强子对撞机)进行比较，以带来重要的启迪作用，同时更准确地约束模型以发现哪个模型有些无法建立，需要扩展到更深的基本原则。”

研究未受干扰状态下粒子物理学标准模型的唯一已知系统可控制方法是基于真空中量子涨落快照的采样。通过测量波的特征，我们可以推断出粒子的特征及其碰撞趋势。

但是Kanwar解释说，这项技术的实施面临许多挑战。 “相关采样非常昂贵。我们正在努力探索并尝试使用受物理学原理启发的机器学习技术来提高样本收集效率。机器学习在生成图像方面取得了巨大进展。例如，Nvidia的最新工作是通过神经网络会生成“虚构的”面部图像。如果将这些真空快照视为图像，我相信它们也有望以类似的方式帮助我们解决研究问题。”

Shanahan还补充说：“根据当前的量子快照采样方法，天津苹果XR屏幕坏了我们优化了一组模型，可以帮助我们从易于采样的空间过渡到目标空间：使用此经过训练的模型，我们只需要使用易于采样的空间通过在此模型中执行独立采样，然后通过该模型转换采样方法，可以大大提高采样效率。”

具体来说，该团队引入了一个框架来构建机器学习模型。该模型完全遵守“规范对称性”，这是对高能物理研究必不可少的对称性原理。

作为原则上的证明，Shanahan和他的同事使用他们自己的框架来训练机器学习模型，在二维空间中模拟理论并将结果与​​现有技术进行比较。可以看出，它的执行效率已经迎来了几个数量级。改进，但也可以根据场论做出更准确的预测。所有这些都为利用物理信息支持的机器学习技术铺平了道路，从而大大加快了对自然基本系统的研究工作。

该团队还在之前的几篇合作论文中讨论了如何将机器学习技术应用于简单晶格场理论，并开发了一种基于紧密连接流形的新方法，该方法可用于描述比标准模型场景理论用例更复杂的方法。现在，他们正在努力将该技术扩展到最新的计算解决方案。

坎沃说：“通过过去的一年的努力，我们已经证明，将物理知识与机器学习技术相结合确实具有光明的前景。我们正在积极考虑如何使用这种方法来实现全面的模拟，以解决剩余的障碍。希望这些方法能够在未来几年中首次用于大规​​模计算，如果我们能够成功克服最后的障碍，那么我们在有限资源下的工作能力将得到显着提高，我也非常期待在实际应用中进行探索。那些超出现有最佳物理理解范围的东西已经建立了前所未有的新颖见解。”

该团队将基于物理信息的机器学习概念概括为“基于刮擦的AI”。天津苹果XR屏幕坏了这个概念也已成​​为美国国家科学基金会人工智能与基础互动研究所(IAIFI)设定的关键主题，该研究所最近由麻省理工学院建立。 Shanahan本人曾担任物理理论研究的协调员。