科學家教機器分析亞原子“湯”

　　眾所周知，電腦能夠擊敗圍棋冠軍、模擬恒星爆炸并預測全球氣候。人們正逐漸將機器訓練成無可挑剔的問題解決者和快速學習者。

　　目前，華中師范大學的物理學家及其合作者已經證實電腦能夠用于解決宇宙最大的奧秘。該團隊通過輸入成千上萬的高能粒子碰撞模擬圖像訓練電腦識別圖像中的重要特征。研究人員將強大的陣列（稱為神經網絡）編程為一種類似蜂房的數字大腦，用于分析和解釋碰撞中留下的顆粒碎片的圖像。在這樣的測試中，研究人員發現神經網絡在識別大約18000張圖像的重要特征時，成功率高達95％。

　　這項研究成果已于1月15日在《自然—通訊》上發表。下一步研究計劃是將相同的機器學習過程應用于實際的物理實驗數據。

　　強大的機器學習算法允許神經網絡在處理更多圖像后改進其分析能力。這項技術還被用于面部識別和其他基于圖像的物體識別應用。該研究中使用的圖像與美國布魯克海文國家實驗室相對論重離子對撞機和歐洲核子研究中心實驗室的大型強子對撞機的重離子對撞機實驗緊密相關。這些圖像再現了亞原子粒子“湯”的狀態，這種超高溫流體態就是在宇宙誕生后僅存在百萬分之一秒的夸克膠子等離子體。

　　“我們嘗試著去發現夸克膠子等離子體最重要的性質。”華中師范大學粒子物理研究所所長王新年表示，夸克膠子等離子體的一些性質因為其存在時間極短且發生在極為微小的尺度而蒙上了一層神秘的面紗。

　　實驗中，物理學家通過粒子對撞機粉碎重核，比如粉碎剝離電子后得到的金原子核和鉛原子核。這些碰撞會釋放出原子核內部的粒子，甚至打破由夸克和膠子緊緊束縛形成的質子和中子，使夸克和膠子處于自由移動的狀態，形成一個瞬間的亞原子尺度的火球——夸克膠子等離子體。

　　研究人員希望通過研究夸克膠子等離子體形成的條件，比如說該狀態形成所需要的能量以及它轉變成流體狀態時的溫度和壓強，進而在物質組成粒子及性質和宇宙成型階段的研究這兩方面得到新的啟發。

　　但是碰撞中物質相變所涉及的“狀態方程”的嚴格測量的確有極大挑戰性。實驗中，初始態會影響最后粒子的輸出，而從中提取與這些條件無關的狀態方程則非常之難。

　　“核物理領域中的圣杯就是發現高能相互作用中的相變過程并從實驗數據中確定狀態方程，”王新年說，“這就是我們需要從實驗中探索的夸克膠子等離子體最重要的性質。”

　　據悉，該項研究第一作者龐龍剛曾是華中師范大學博士后，現為美國加州大學伯克利分校博士后。他介紹說，他是2016年在法蘭克福前沿研究所做博士后的時候開始對人工智能（AI）應用于解決科學問題的潛力產生了興趣。他與法蘭克福高等研究中心的合作者周凱、蘇南發現有一類具有深度卷積神經網絡的AI，這類AI的發明源于動物大腦對圖像處理的架構的啟發，而且它在處理科學類圖像時有很好的適用性。

　　“這類神經網絡能夠從相機輸入中識別出圖樣并對運動和位置做出評估。”龐龍剛表示，“我們當時就認為，如果具有一些可視化的科學數據，也許能夠得到一個抽象的概念或者有價值的物理信息。”

　　王新年進一步解釋說：“我們嘗試通過此類機器學習，從眾多圖樣中得到一個與狀態方程有關的獨特模式或關聯”，所以經過訓練的神經網絡能在圖像中精確定位并發現那些與科學家嘗試解決的問題最有聯系的關聯。

　　用于分析所需的數據積累需要很強的計算機方面的資源，龐龍剛說，因為有時候僅僅得到一個圖像就需要花一天的時間去做計算，而當他們使用大量的GPU做并行運算時，只需要20分鐘就可以得到一個圖像。GPU是圖形處理部件，最初開發用于改善電腦游戲體驗，至今已被用于很多方面。在他們的研究中，大部分的計算工作是在德國GSI和華中師范大學的GPU簇群上完成的。

　　據悉，參與該項研究的還有法蘭克福前沿研究所、歌德大學、GSI亥姆霍茲重離子研究中心的Hannah Petersen 和 Horst Stocker 教授。 這項工作得益于美國能源部基礎能源科學處、美國國家科學基金會、Helmholtz協會、GSI、SAMSON AG、歌德大學、中國國家自然科學基金委員會和國家重大基礎研究發展計劃以及亥姆霍茲國際反離子和離子研究設施中心的支持。