一項新的機器學習技術已由國際科學團隊測試，包括麻省理工學院助理教授菲利普·哈里斯和博士后迪倫·蘭金，他們都是核科學實驗室的研究人員，它們可以在一瞬間發現大型強子對撞機（LHC）數據中的特定粒子特征。眼

新系統精巧而迅速，它可以一目了然地發現隨著數據集變得越來越大和越來越復雜，機器學習將在未來的粒子物理學發現中扮演改變游戲規則的角色。

大型強子對撞機每秒產生約4000萬次碰撞。借助如此龐大的數據進行篩選，需要強大的計算機來識別科學家可能感興趣的那些碰撞，無論是暗物質還是希格斯粒子的暗示。

現在，費米實驗室，歐洲核子研究中心，麻省理工學院，華盛頓大學和其他地方的科學家已經測試了一種機器學習系統，與現有方法相比，該系統可使處理速度提高30到175倍。

目前，此類方法每秒處理少于一幅圖像。相反，新的機器學習系統每秒最多可以查看600張圖像。在訓練期間，系統學會了選擇一種特定類型的碰撞后粒子模式。

麻省理工學院物理系成員哈里斯說：“我們正在識別的碰撞模式，即頂級夸克，是我們在大型強子對撞機上探查的基本粒子之一。” “重要的是，我們要分析盡可能多的數據。每條數據都包含有關粒子如何相互作用的有趣信息。”

當前的LHC升級完成后，這些數據將以前所未有的速度涌入。到2026年，預計17英里長的粒子加速器將產生的數據量是目前的20倍。為了使事情更加緊迫，將來的圖像還將以比現在更高的分辨率拍攝。總之，科學家和工程師估計，大型強子對撞機將需要比目前擁有的計算能力高10倍以上。

哈里斯說：“未來運行的挑戰越來越艱巨，因為我們的計算變得更加準確，并且我們探究的精度越來越高。”

該項目的研究人員訓練了他們的新系統，以識別頂級夸克的圖像，夸克是質量最重的基本粒子，比質子重約180倍。哈里斯解釋說：“有了我們可用的機器學習架構，我們可以獲得高質量的科學成果，堪與世界上最好的頂級夸克識別算法相提并論。” “高速實施核心算法使我們能夠靈活地在最需要的關鍵時刻增強LHC計算。”