據(jù)國(guó)外媒體報(bào)道，大型強(qiáng)子對(duì)撞機(jī)（LHC）可以在一秒鐘之內(nèi)撞擊十億對(duì)質(zhì)子。有時(shí)，這臺(tái)巨大的機(jī)器可能會(huì)給現(xiàn)實(shí)世界帶來(lái)驚喜，因?yàn)樵谏贁?shù)碰撞中，會(huì)產(chǎn)生一些前所未有的東西。但是，這樣的驚喜并沒(méi)有什么規(guī)律可言，物理學(xué)家并不確切知道要尋找什么。他們擔(dān)心，在將數(shù)十億次碰撞所獲得的數(shù)據(jù)梳理成更易管理的數(shù)字時(shí)，可能會(huì)無(wú)意中刪掉物理學(xué)新理論的證據(jù)。

在搜尋新基本粒子的過(guò)程中，物理學(xué)家總是需要對(duì)粒子的行為作出假設(shè)，但新的機(jī)器學(xué)習(xí)算法卻不用這么做。

在歐洲核子研究中心（CERN）參與超環(huán)面儀器（ATLAS）實(shí)驗(yàn)的紐約大學(xué)粒子物理學(xué)家凱爾·克蘭默（Kyle Cranmer）說(shuō)：“我們總是擔(dān)心自己會(huì)把嬰兒和洗澡水一起倒掉?！?/p>

面對(duì)智能數(shù)據(jù)規(guī)約的挑戰(zhàn)，一些物理學(xué)家嘗試使用“深度神經(jīng)網(wǎng)絡(luò)”的機(jī)器學(xué)習(xí)技術(shù)來(lái)挖掘相似事件組成的數(shù)據(jù)海洋，尋找新的物理學(xué)現(xiàn)象。

在初步使用案例中，深度神經(jīng)網(wǎng)絡(luò)通過(guò)研究大量標(biāo)記為“貓”的圖片和標(biāo)記為“狗”的圖片，學(xué)習(xí)如何區(qū)分貓和狗。然而，這種方法在尋找新粒子時(shí)并不適用，因?yàn)槲锢韺W(xué)家無(wú)法為機(jī)器提供他們從未見(jiàn)過(guò)的東西的圖片。因此，物理學(xué)家轉(zhuǎn)而采用所謂的“弱監(jiān)督學(xué)習(xí)”（weakly supervised learning）方法，即機(jī)器從已知粒子開(kāi)始，利用細(xì)化的信息（比如總體上可能發(fā)生的頻率）來(lái)尋找罕見(jiàn)事件。

在今年5月份發(fā)表于科學(xué)預(yù)印本網(wǎng)站arxiv.org上的一篇論文中，三位研究人員提出應(yīng)用相關(guān)策略對(duì)“撞擊狩獵”（bump hunting）進(jìn)行擴(kuò)展。這種經(jīng)典的“粒子狩獵”技術(shù)曾用于希格斯玻色子的發(fā)現(xiàn)。美國(guó)勞倫斯伯克利國(guó)家實(shí)驗(yàn)室的研究者本·納赫曼（Ben Nachman）表示，具體的思路是訓(xùn)練機(jī)器在數(shù)據(jù)集中尋找罕見(jiàn)的變化。

試想一下，我們可以在貓狗實(shí)驗(yàn)的原理基礎(chǔ)上做一個(gè)游戲：在充滿北美森林觀察記錄的數(shù)據(jù)集中尋找新的動(dòng)物物種。假設(shè)任何新的動(dòng)物物種都傾向于聚集在某個(gè)特定的地理區(qū)域（與新粒子圍繞某個(gè)特定質(zhì)量的概念相對(duì)應(yīng)），那算法就應(yīng)該可以通過(guò)鄰近區(qū)域的系統(tǒng)比較，將它們挑出來(lái)。如果加拿大不列顛哥倫比亞省剛好有113只馴鹿，美國(guó)華盛頓州有19只馴鹿（即使數(shù)據(jù)集中有數(shù)百萬(wàn)只松鼠），那程序也能在沒(méi)有直接研究馴鹿的情況下，學(xué)會(huì)將馴鹿與松鼠區(qū)分開(kāi)來(lái)。弱監(jiān)督學(xué)習(xí)研究者、俄勒岡大學(xué)的理論粒子物理學(xué)家說(shuō)：“這不是魔術(shù)，但感覺(jué)像魔術(shù)一樣?！?/p>

相比之下，粒子物理學(xué)中的傳統(tǒng)搜索方法通常要求研究人員對(duì)新現(xiàn)象是什么樣子做出假設(shè)。他們會(huì)創(chuàng)建一個(gè)描述新粒子行為的模型。例如，一個(gè)新粒子可能有衰變成一大群已知粒子的趨勢(shì)。只有在定義了所要尋找的東西之后，他們才能設(shè)計(jì)出自定義的搜索策略。這項(xiàng)工作通常需要花費(fèi)一個(gè)博士研究生至少一年的時(shí)間，而納赫曼認(rèn)為，這一過(guò)程可以完成得更快、更徹底。

有研究者提出了CWoLa算法，即無(wú)標(biāo)簽分類(lèi)（Classification Without Labels），可以搜索任意未知粒子的現(xiàn)有數(shù)據(jù)，無(wú)論該粒子是衰變成兩個(gè)同類(lèi)型未知粒子，還是兩個(gè)同類(lèi)型或不同類(lèi)型已知粒子。利用常規(guī)的搜索模型，LHC協(xié)作機(jī)構(gòu)可能需要至少20年時(shí)間來(lái)尋找后一種情況的可能性，而目前對(duì)前一種情況的搜索仍沒(méi)有任何結(jié)果。參與ATLAS項(xiàng)目的納赫曼表示，CWoLa算法可以一次完成所有這些工作。

其他實(shí)驗(yàn)粒子物理學(xué)家也認(rèn)為，這將是一個(gè)很有價(jià)值的項(xiàng)目。在ATLAS項(xiàng)目中搜尋新粒子碰撞的物理學(xué)家凱特·帕查爾（Kate Pachal）說(shuō)：“我們已經(jīng)分析了許多可預(yù)測(cè)的區(qū)域，因此接下來(lái)我們要開(kāi)始填補(bǔ)那些尚未分析的角落，這是很重要的一個(gè)方向?！比ツ?，她和一些同事就在嘗試設(shè)計(jì)一種靈活的軟件，對(duì)一系列不同質(zhì)量的粒子進(jìn)行處理，但他們中沒(méi)有人對(duì)機(jī)器學(xué)習(xí)有足夠的了解?！拔蚁氍F(xiàn)在是嘗試一下的時(shí)候了，”帕查爾說(shuō)道。

深度神經(jīng)網(wǎng)絡(luò)有希望在不利于目前建模工作的數(shù)據(jù)中發(fā)現(xiàn)微妙的相關(guān)性。其他機(jī)器學(xué)習(xí)技術(shù)已經(jīng)成功提高了LHC進(jìn)行特定任務(wù)的效率，比如識(shí)別由底夸克粒子產(chǎn)生的“噴注”。在這項(xiàng)工作中，物理學(xué)家毫無(wú)疑問(wèn)也會(huì)錯(cuò)過(guò)一些信號(hào)。加州大學(xué)歐文分校的粒子物理學(xué)家丹尼爾·懷特森（Daniel Whiteson）說(shuō)：“他們把信息遺留在桌面上，而當(dāng)你在一個(gè)機(jī)器上花了100億美元，你不會(huì)想把信息留在桌子上?！?/p>

不過(guò)，機(jī)器學(xué)習(xí)確實(shí)充滿了程序?qū)⑹直刍煜秊閱♀彽木竟适拢ㄉ踔吝€有更糟糕的情況）。對(duì)于LHC，有人擔(dān)心機(jī)器學(xué)習(xí)的“捷徑”最終反映的是LHC機(jī)器本身的各種小問(wèn)題，而這些問(wèn)題正是實(shí)驗(yàn)物理學(xué)家努力想要忽視的。ATLAS項(xiàng)目的物理學(xué)家蒂爾·艾費(fèi)特（Till Eifert）問(wèn)道：“當(dāng)你發(fā)現(xiàn)一個(gè)異常時(shí)，你覺(jué)得它是新物理學(xué)突破呢，還是探測(cè)器發(fā)生了什么有意思的情況？”