कृत्रिम कण नए कणों की खोज को कैसे प्रेरित कर सकते हैं

नए मौलिक कणों का शिकार करते समय, भौतिकविदों को हमेशा यह अनुमान लगाना पड़ता है कि कण कैसे व्यवहार कर सकते हैं। नई मशीन लर्निंग एल्गोरिदम को इसकी जरूरत नहीं है।

इस अप्रैल में लार्ज हैड्रॉन कोलाइडर में हुई एक टक्कर में, व्यक्तिगत आवेशित कण (नारंगी रेखा) और कणों के बड़े जेट (पीले शंकु) पाए गए थे

लार्ज हैड्रॉन कोलाइडर (LHC) हर सेकंड में अरबों जोड़े प्रोटॉन को टकराता है। कभी-कभी यह मशीन वास्तविकता को थोड़ा हिला देती है और इन टकरावों में कुछ अभूतपूर्व पैदा करती है। लेकिन चूंकि ऐसी घटनाएं हैं, परिभाषा के अनुसार, अप्रत्याशित, भौतिकविदों को यह नहीं पता है कि वास्तव में उन्हें क्या देखने की आवश्यकता है। वे चिंता करते हैं कि इन टकरावों के अरबों पर डेटा के माध्यम से, और कुछ और संभावित राशि का नमूना करके, वे अनजाने में कुछ नई भौतिकी के सबूतों को हटा सकते हैं। "हम हमेशा चिंता करते हैं कि हम बच्चे को पानी से बाहर निकाल सकते हैं," न्यूयॉर्क विश्वविद्यालय के एक कण भौतिकी विशेषज्ञ काइल क्रैमर कहते हैं, जो एटलस एलएचसी प्रयोग के हिस्से के रूप में काम करता है।

डेटा की मात्रा को बुद्धिमानी से कम करने के कार्य का सामना करते हुए, कुछ भौतिकविद नई भौतिक घटनाओं की खोज में परिचित घटनाओं के समुद्र को खींचने के लिए "गहरी तंत्रिका नेटवर्क" के रूप में ऐसी मशीन सीखने की तकनीक का उपयोग करने की कोशिश कर रहे हैं।

इस तकनीक का उपयोग करने के एक विशिष्ट मामले में, गहरे तंत्रिका नेटवर्क "बिल्ली" और एक अन्य ढेर "कुत्ते" लेबल वाले फोटो के ढेर का अध्ययन करके कुत्तों को बिल्लियों से अलग करना सीखता है। लेकिन यह दृष्टिकोण नए कणों की खोज में काम नहीं करेगा, क्योंकि भौतिक विज्ञानी उस मशीन की छवियों को नहीं खिला सकते हैं जो उन्होंने कभी नहीं देखी है। इसलिए, उन्हें "थोड़ा पर्यवेक्षण के साथ सीखना" करना पड़ता है, जब मशीनें ज्ञात कणों से सीखना शुरू करती हैं और फिर कम विस्तृत जानकारी के साथ दुर्लभ घटनाओं की तलाश करती हैं - उदाहरण के लिए, ऐसी घटनाएं सामान्य रूप से कितनी बार हो सकती हैं।

मई में arxiv.org प्रीप्रिंट्स पर प्रकाशित एक पेपर में, तीन शोधकर्ताओं ने एक समान रणनीति का प्रस्ताव किया, जो कि हिग्स बोसॉन को खोजने वाली एक क्लासिक कण खोज तकनीक है। सामान्य विचार, काम के लेखकों में से एक के रूप में, लॉरेंस बर्कले नेशनल लेबोरेटरी के एक शोधकर्ता बेन नचमैन लिखते हैं, डेटा सेट में दुर्लभ विविधताओं की तलाश में मशीन को प्रशिक्षित करने के लिए।

उत्तर अमेरिकी जंगलों की टिप्पणियों से भरे डेटासेट में एक नई पशु प्रजाति को खोजने के प्रयास के रूप में उल्लिखित बिल्लियों और कुत्तों की भावना में, सबसे सरल उदाहरण पर विचार करें। यदि हम मानते हैं कि नए जानवरों को कुछ भौगोलिक क्षेत्रों में वर्गीकृत किया जाएगा (यह विचार इस तथ्य से मेल खाता है कि नए कणों को एक निश्चित द्रव्यमान के चारों ओर वर्गीकृत किया गया है), तो एल्गोरिथ्म उन्हें पड़ोसी क्षेत्रों की व्यवस्थित तुलना द्वारा चयन करने में सक्षम होना चाहिए। यदि ब्रिटिश कोलंबिया में 113 कारिबू [उत्तरी अमेरिका में बारहसिंगा] और वाशिंगटन राज्य में 19 (वहां और वहां लाखों गिलहरियों की मौजूदगी के बावजूद), कार्यक्रम सीधे अध्ययन किए बिना कारिबू को गिलहरी से अलग करना सीख जाएगा। "यह जादू नहीं है, लेकिन ऐसा दिखता है," ओरेगन विश्वविद्यालय के एक सैद्धांतिक कण भौतिकी विशेषज्ञ टिम कोहेन ने कहा कि जो कमजोर निगरानी भी करते हैं।

कण भौतिकी में पारंपरिक खोजों के लिए, एक वर्णित के विपरीत, शोधकर्ताओं को इस बारे में धारणा बनानी होगी कि एक नई घटना कैसे दिख सकती है। वे एक मॉडल बनाते हैं कि नए कण कैसे व्यवहार करेंगे - उदाहरण के लिए, एक नया कण ज्ञात कणों के एक निश्चित सेट में क्षय की ओर बढ़ सकता है। और केवल यह निर्धारित करने के बाद कि वे क्या खोज रहे हैं, वे एक विशेष खोज रणनीति बना सकते हैं। एक स्नातक छात्र आमतौर पर इस कार्य को करने के लिए एक वर्ष का समय लेता है, लेकिन नचमैन का मानना ​​है कि यह तेजी से और अधिक अच्छी तरह से किया जा सकता है।

प्रस्तावित CWoLa एल्गोरिथ्म, जिसका अर्थ है "लेबल के बिना वर्गीकरण" (KBM), किसी भी अज्ञात कणों के लिए मौजूदा डेटा में खोज करने में सक्षम है जो एक ही प्रकार के दो लाइटर अज्ञात कणों में, या एक ही या अलग-अलग प्रकार के दो ज्ञात कणों में क्षय करते हैं। सामान्य खोज विधियों का उपयोग करते हुए, एलएचसी पर काम करने वाली टीमों के लिए कम से कम 20 साल लग जाते थे , जो कि उन सभी संभावनाओं से गुज़रती थीं, जो दूसरे विकल्प के साथ मेल खाती थीं, और पहले विकल्प के लिए आज कोई खोज रणनीति नहीं है। एटलस परियोजना पर काम करने वाले नाचमैन का कहना है कि केबीएम इन सभी खोजों को एक बार में करने में सक्षम है।

प्रयोगात्मक कण भौतिकी के अन्य विशेषज्ञ सहमत हैं कि खेल मोमबत्ती के लायक हो सकता है। "हम पहले से ही अलग-अलग पूर्वानुमान योग्य स्थानों में खोज कर चुके हैं, इसलिए हमारे लिए यह बहुत महत्वपूर्ण है कि हम दूसरे रास्ते पर जाएं और अभी तक जो भी खोजे गए हैं, उन्हें भरें," एटीएलएएस परियोजना में नए कणों के टकराव की तलाश करने वाले भौतिक विज्ञानी केट पचल ने कहा। उन्होंने और उनके सहयोगियों ने लचीले सॉफ़्टवेयर को विकसित करने के विचार से खेला, जो कि व्यापक रूप से कण द्रव्यमान का सामना कर सकते थे, लेकिन उनमें से कोई भी मशीन सीखने में योग्य नहीं था। "मुझे लगता है कि यह कोशिश करने का समय है," उसने कहा।

यह आशा की जाती है कि तंत्रिका नेटवर्क अंतर्निहित डेटा सहसंबंधों का पता लगाने में सक्षम होंगे जो वर्तमान मॉडल के लिए उपलब्ध नहीं हैं। अन्य मशीन सीखने की प्रौद्योगिकियों ने पहले ही एलएचसी पर कुछ कार्यों की प्रभावशीलता को सफलतापूर्वक तेज कर दिया है, उदाहरण के लिए, निचले क्वार्क द्वारा जारी किए गए जेट का निर्धारण । उस काम में, यह पूरी तरह से स्पष्ट था कि भौतिक विज्ञानी कुछ संकेतों को याद करते हैं। इरविन के कैलिफोर्निया विश्वविद्यालय में कण भौतिकी के विशेषज्ञ डैनियल व्हिटसन ने कहा, "वे कुछ जानकारी को याद कर रहे थे, और अगर आपने यूनिट के लिए $ 10 बिलियन का भुगतान किया है, तो कोई भी जानकारी नहीं छूटनी चाहिए।"

और फिर भी, मशीन लर्निंग का क्षेत्र उन कार्यक्रमों के बारे में सावधानीपूर्वक कहानियों से भरा है, जिन्होंने डंबल (या बदतर ) के साथ हाथ मिलाया है। एलएचसी में से कुछ चिंतित हैं कि ये सभी छोटे रास्ते मशीन में ही गार्मलिन के काम को दर्शाएंगे, जो कि प्रयोग करने वाले इतनी सावधानी से ध्यान नहीं देने की कोशिश करते हैं। "जब आपको एक विसंगति मिली, तो यह तुरंत स्पष्ट नहीं है - क्या यह एक नया भौतिकी है, या क्या यह डिटेक्टर के साथ कुछ गलत है?" एटलस प्रोजेक्ट पर काम कर रहे एक भौतिक विज्ञानी टिल एइफ़र्ट कहते हैं।