تعزيز الذكاء الاصطناعي لسرعة الاكتشافات في فيزياء الجسيمات

أثبت الباحثون في معهد ماساتشوستس للتكنولوجيا مؤخرًا أن استخدام الذكاء الاصطناعي لتمثيل جوانب الجسيمات ونظريات الفيزياء النووية يمكن أن يؤدي إلى خوارزميات أسرع ، وبالتالي اكتشافات أسرع فيما يتعلق بالفيزياء النظرية. جمع فريق البحث في معهد ماساتشوستس للتكنولوجيا بين الفيزياء النظرية ونماذج الذكاء الاصطناعي لتسريع إنشاء عينات ت模ل التفاعلات بين النيوترونات والبروتونات والنويات.

توجد أربعة قوى أساسية تحكم الكون: الجاذبية والكهرومغناطيسية والقوة الضعيفة والقوة القوية. تُدرس القوى القوية والضعيفة والكهرومغناطيسية من خلال فيزياء الجسيمات. الطريقة التقليدية لدراسة التفاعلات بين الجسيمات تتطلب تشغيل محاكاة رقمية للتفاعلات بين الجسيمات ، وعادة ما تكون بحجم 1/10 أو 1/100 من حجم البروتون. يمكن أن تستغرق هذه الدراسات وقتًا طويلاً للcompletion بسبب القدرة الحاسوبية المحدودة ، وهناك العديد من المشاكل التي يعرفها الفيزيائيون كيفية التعامل معها نظريًا ولكن لا يمكنهم حلها بسبب القيود الحاسوبية.

أستاذ الفيزياء في معهد ماساتشوستس للتكنولوجيا ، فيالا شاناهان ، هو رئيس مجموعة بحثية تستخدم نماذج التعلم الآلي لإنشاء خوارزميات جديدة يمكن أن تسرع دراسات فيزياء الجسيمات. يمكن دمج التناظرات الموجودة في نظريات الفيزياء (سمات النظام الفيزيائي التي تظل ثابتة حتى مع تغير الظروف) في خوارزميات التعلم الآلي لإنشاء خوارزميات أكثر ملاءمة لدراسات فيزياء الجسيمات. أوضح شاناهان أن نماذج التعلم الآلي لا تستخدم لمعالجة كميات كبيرة من البيانات ، بل تستخدم لدمج تناظر الجسيمات ، ويشير إلى أن إدراج هذه السمات في نموذج يعني أن الحسابات يمكن إجراؤها بسرعة أكبر.

كان مشروع البحث بقيادة شاناهان ويشمل عدة أعضاء من فريق الفيزياء النظرية في جامعة نيويورك ، بالإضافة إلى باحثين في التعلم الآلي من جوجل ديب مايند. الدراسة الأخيرة هي واحدة من سلسلة من الدراسات الجارية والمنتهية مؤخرًا التي تهدف إلى استخدام قوة التعلم الآلي لحل مشاكل الفيزياء النظرية التي لا يمكن حلها حاليًا بطرق الحوسبة الحديثة. وفقًا لطالب الدراسات العليا في معهد ماساتشوستس للتكنولوجيا ، جورتج كانوار ، فإن المشاكل التي تحاول الخوارزميات المُحسّنة بالتعلم الآلي حلها ستساعد العلماء على فهم المزيد عن فيزياء الجسيمات ، وهي مفيدة في إجراء مقارنات مع النتائج المستخرجة من تجارب فيزياء الجسيمات الكبيرة (مثل تلك التي تجري في مصادم الهادرون الكبير في سيرن). من خلال مقارنة نتائج التجارب الكبيرة مع خوارزميات الذكاء الاصطناعي ، يمكن للعلماء الحصول على فكرة أفضل عن كيفية تقييد نماذج الفيزياء الخاصة بهم ، وعندما تفشل هذه النماذج.

في الوقت الحالي ، الطريقة الوحيدة التي يمكن للعلماء من خلالها التحقيق في نموذج معيار فيزياء الجسيمات هي أخذ عينات / لقطات من التقلبات التي تحدث في الفراغ. يمكن للباحثين الحصول على رؤى حول خصائص الجسيمات وما يحدث عندما يتصادم الجسيمات. ومع ذلك ، فإن أخذ عينات مثل هذه هو مكلف ، ومن المأمول أن تقنيات الذكاء الاصطناعي يمكن أن تجعل عملية أخذ العينات أرخص وأكثر كفاءة. يمكن استخدام اللقطات التي تؤخذ من الفراغ مثل بيانات التدريب في نموذج رؤية حاسوبية للذكاء الاصطناعي. يتم استخدام اللقطات الكمومية لتدريب نموذج يمكنه إنشاء عينات بطريقة أكثر كفاءة ، من خلال أخذ العينات في مساحة سهلة العينة وتمرير العينات من خلال النموذج المدرب.

أدى البحث إلى إنشاء إطار يهدف إلى تسهيل عملية إنشاء نماذج التعلم الآلي بناءً على التناظرات الفيزيائية. تم تطبيق الإطار بالفعل على مشاكل فيزيائية أبسط ، ويتحاول فريق البحث الآن توسيع نهجهم ليعمل مع حسابات متقدمة. كما أوضح كانوار عبر Phys.org :

“أعتقد أننا قد أظهرنا خلال العام الماضي أن هناك الكثير من الوعود في الجمع بين المعرفة الفيزيائية وتقنيات الذكاء الاصطناعي. نحن نفكر بفعالية عن كيفية التعامل مع الحواجز المتبقية في طريق إجراء محاكاة على نطاق كامل باستخدام نهجنا. آمل أن أرى أول تطبيق لهذه الطرق في الحسابات على نطاق واسع في السنوات القليلة القادمة”.