입자 물리학의 발견 속도를 향상시키는 인공 지능

MIT 연구원들은 최근 입자 및 핵물리 이론의 측면을 시뮬레이션하기 위해 인공 지능을 활용하면 더 빠른 알고리즘으로 이어질 수 있으므로 이론 물리학과 관련하여 더 빠른 발견을 할 수 있음을 입증했습니다. MIT 연구팀, 이론물리학과 AI 결합 중성자, 양성자 및 핵 사이의 상호 작용을 시뮬레이션하는 샘플 생성을 가속화하는 모델.

우주를 지배하는 네 가지 기본 힘이 있습니다. 중력, 전자기력, 약력, 강력입니다. 강력, 약력, 전자기력을 입자물리학을 통해 연구합니다. 입자 상호 작용을 연구하는 전통적인 방법은 일반적으로 양성자 크기의 1/10 또는 1/100에서 발생하는 입자 간의 이러한 상호 작용에 대한 수치 시뮬레이션을 실행해야 합니다. 이러한 연구는 제한된 컴퓨팅 성능으로 인해 완료하는 데 오랜 시간이 걸릴 수 있으며 물리학자가 이론적으로 해결하는 방법을 알고 있지만 언급된 컴퓨팅 한계를 해결할 수 없는 많은 문제가 있습니다.

MIT 물리학 교수 Phiala Shanahan은 기계 학습 모델을 사용하여 입자 물리학 연구 속도를 높일 수 있는 새로운 알고리즘을 만드는 연구 그룹의 책임자입니다. 물리학 이론 내에서 발견되는 대칭성(조건이 변해도 일정하게 유지되는 물리적 시스템의 특징)을 기계 학습 알고리즘에 통합하여 입자 물리학 연구에 더 적합한 알고리즘을 생성할 수 있습니다. Shanahan은 기계 학습 모델이 대량의 데이터를 처리하는 데 사용되는 것이 아니라 입자 대칭을 통합하는 데 사용되며 이러한 속성을 모델 내에 포함하면 계산이 더 빠르게 수행될 수 있음을 의미한다고 설명했습니다.

이 연구 프로젝트는 Shanahan이 주도했으며 NYU의 이론 물리학 팀의 여러 구성원과 Google DeepMind의 기계 학습 연구원을 포함합니다. 최근 연구는 기계 학습의 힘을 활용하여 현대 계산 스키마로는 현재 불가능한 이론 물리학 문제를 해결하는 것을 목표로 진행 중이며 최근에 완료된 일련의 연구 중 하나일 뿐입니다. MIT 대학원생 Gurtej Kanwar에 따르면 기계 학습 강화 알고리즘이 해결하려는 문제는 과학자들이 입자 물리학에 대해 더 많이 이해하는 데 도움이 될 것이며 대규모 입자 물리학 실험(예: CERN의 Large Hadron Collider에서 수행됨). 대규모 실험의 결과를 AI 알고리즘과 비교함으로써 과학자들은 물리학 모델이 ​​어떻게 제한되어야 하고 언제 해당 모델이 고장나는지 더 잘 알 수 있습니다.

현재 과학자들이 입자 물리학의 표준 모델을 조사하기 위해 안정적으로 사용할 수 있는 유일한 방법은 진공 상태에서 발생하는 변동에 대한 샘플/스냅샷을 얻는 방법입니다. 연구자들은 입자의 특성과 입자가 충돌할 때 어떤 일이 발생하는지에 대한 통찰력을 얻을 수 있습니다. 그러나 이와 같은 샘플을 채취하는 것은 비용이 많이 들고 AI 기술을 통해 샘플 채취 과정을 보다 저렴하고 효율적으로 만들 수 있기를 바랍니다. 진공 상태에서 찍은 스냅샷은 컴퓨터 비전 AI 모델의 이미지 훈련 데이터처럼 사용될 수 있습니다. 양자 스냅샷은 샘플링하기 쉬운 공간에서 샘플을 채취하고 훈련된 모델을 통해 샘플을 실행함으로써 훨씬 더 효율적인 방식으로 샘플을 생성할 수 있는 모델을 훈련하는 데 사용됩니다.

이 연구는 물리 대칭을 기반으로 기계 학습 모델을 만드는 프로세스를 간소화하기 위한 프레임워크를 만들었습니다. 이 프레임워크는 이미 간단한 물리 문제에 적용되었으며 연구팀은 이제 최첨단 계산 작업을 위해 접근 방식을 확장하려고 시도하고 있습니다. Kanwar가 Phys.org를 통해 설명했듯이:

“물리 지식과 기계 학습 기술을 결합하는 데 많은 가능성이 있음을 지난 XNUMX년 동안 보여주었다고 생각합니다. 우리는 우리의 접근 방식을 사용하여 본격적인 시뮬레이션을 수행하는 방법에 남아 있는 장벽을 해결하는 방법에 대해 적극적으로 생각하고 있습니다. 앞으로 몇 년 안에 대규모 계산에 이러한 방법을 처음으로 적용하는 것을 보고 싶습니다.”