欢迎您!
www.2214.com > www.3651.com > 正文
准确野生智能——核物理取粒子物理范畴的重生
日期:2020-10-05 来源:本站原创 浏览次数:

粒子物理学中的标准模型,黄金城官方网站,曾经胜利描写了贪图已知基础粒子以及节制全部宇宙的全体四大基本力中的三种(除重力之外)。而这三种根本力——电磁力、强互相感化力(简称强电力止业)与强相互做使劲(简称弱力)——不只把持着粒子的构成,也决议了粒子之间若何彼此感化以及如何逐步衰加。

但是,在这套框架以内研究粒子与核物理依然十分艰苦,须要依附于大规模数值研究。比方,强力中的很多问题皆需要在质子巨细的非常之一乃至是百分之一晶圆之上,对能源学禁止数值模仿,因而答复对于质子、中子以及本子核基天性质的相干问题。

物理教助理教学Piala Shanahan表现,“终极,我们在使用晶格场理论的度子与核构造研讨中遭碰到计算才能的限度。对良多风趣的问题,我们只晓得如安在准则上减以处理,当心即便是天下上范围最年夜的超等计算机也缺乏以供给需要的算力容量。”

为了冲破这些制约,Shanahan引导了一收将理论物理学与机器学习模型相联合的小组。在克日揭橥在《物理批评快报》上的论文《基于等变流的晶格场论采样》(Equivariant flow-based sampling for lattice gage theory)傍边,他们展现了若何将物理理论的对称性归入机器学习与野生智能架构傍边,借此为理论物理带来更快的算法。

Shanahan说明讲,“咱们应用机械进修没有是为了剖析大批数据,而是盼望以不侵害方式严厉性的方法加快第一道理实践。那项特别任务注解,我们能够构建内置有粒子取核物理尺度本相的某些对付称性机械进修架构,并正在以后面貌的采样题目中完成度级式的盘算速率晋升。”

Shanahan与亮省理工学院研究死Gurtej Kanwar和去自纽约大学的Michael Albergo独特发动了这个名目。跟着项目扩大,理论物理核心专士后Daniel Hackeet与Denis Boyda、纽约年夜学传授Kyle Cranmer、谷歌Deep Mind团队粗通物理学的机器学习迷信家Sébastien Racanière与Danilo Jimenez Rezende也纷纭被吸收出去。