Forskare vid Massachusetts Institute of Technology (MIT) har nyligen utvecklat ett mått som kan användas för att fånga utrymmet för kolliderarhändelser baserat på jordflyttarens avstånd (EMD), ett mått som används för att utvärdera skillnaden mellan två flerdimensionella sannolikhetsfördelningar. Mätvärdet de föreslog, beskrivs i ett papper publicerat i Fysiska granskningsbrev , kan möjliggöra utveckling av nya kraftfulla verktyg för att analysera och visualisera colliderdata, som inte förlitar sig på ett urval av observerbara.

"Vår forskning motiveras av en anmärkningsvärt enkel fråga:När är två partikelkollisioner lika?" Eric Metodiev, en av forskarna som genomförde studien, berättade för Phys.org. "På Large Hadron Collider (LHC), protoner krossas samman vid extremt höga energier och varje kollision ger en komplex mosaik av partiklar. Två kolliderhändelser kan se likadana ut, även om de består av olika antal och typer av partiklar. Detta är analogt med hur två mosaiker kan se ut liknande, även om de består av olika nummer och färger på kakel. "

I deras studie, Metodiev och hans kollegor försökte fånga likheten mellan kolliderarhändelser på ett sätt som är konceptuellt användbart för partikelfysik. Att göra detta, de använde en strategi som slår samman idéer relaterade till optimal transportteori, som ofta används för att utveckla banbrytande bildigenkänningsverktyg, med insikter från kvantfältteori, en konstruktion som beskriver grundläggande partikelinteraktioner.

"Vårt nya resultat är en kvantitativ metod för att bestämma avståndet (via en" metrisk ") mellan två kollisionshändelser, "Sa Metodiev." När du väl vet avståndet mellan varje par kolliderarhändelser, du kan sedan triangulera hela utrymmet med LHC -data. Vi hoppas att detta sätt att bearbeta information från LHC kommer att ge ny inblick i naturens grundläggande interaktioner. "

Väsentligen, mätvärdet som forskarna utvecklat representerar det "arbete" som krävs för att ordna om en kolliderare till en annan. Den är baserad på EMD, en metod som vanligtvis används för att utveckla datorsynverktyg som jämför likheterna mellan två objekt eller bilder.

EDM fungerar genom att försöka omarrangera en händelse till en annan genom att flytta "smuts, "eller i detta fall partikel energi, runt omkring. Vanligtvis, desto mer arbete krävs för att framgångsrikt utföra denna omorganisation, de två andra händelserna, objekt eller bilder är olika.

"Anledningen till att denna uppfattning om likhet är så användbar i partikelfysik är att den överensstämmer med hur vi utför teoretiska beräkningar, "Patrick Komiske, en annan forskare som är involverad i studien, berättade för Phys.org. "I kvantfältsteori, du kan inte förutsäga exakt vad som kommer att hända vid en viss kollision, men du kan förutsäga sannolikheten för att producera vissa mönster av partikelskrot. För att definiera vad du menar med ett mönster, fastän, du behöver en uppfattning om likhet, vilket visar sig vara exakt vad vårt mått ger. "

I deras papper, Metodiev, Komiske och deras kollega Jesse Thaler tillämpade specifikt deras mått på jetplan; sprayer av partiklar som vanligtvis uppstår från högenergikvarker och gluoner. Medan egenskaperna hos enskilda jetflyg har studerats utförligt under de senaste fyra decennierna, deras mått gjorde det möjligt för forskarna att studera förhållandet mellan par jetplan, därmed avslöjar ny och kompletterande information om jetbildningsprocessen.

"Att ha en universell uppfattning om likhet mellan händelser är mycket användbar för en mängd olika kollideringsuppgifter, "Metodiev sa." En vanlig uppgift vid LHC är att klassificera olika typer av kollisioner, på samma sätt som du skulle klassificera en bild som innehållande en katt, hund, eller enhörning. Med hjälp av vårt mått för att klassificera jets som härrörande från en kvark, gluon, eller något mer exotiskt, vi uppnår en prestanda som närmar sig den för moderna maskininlärningstekniker. "

I en rad utvärderingar, forskarna visade effektiviteten av deras metod för att fånga likheten mellan kolliderarhändelser. Deras teknik uppnådde anmärkningsvärda resultat, med noggrannhetsnivåer som är jämförbara med de som uppnås med toppmoderna maskininlärningsmodeller.

Förutom att potentiellt hjälpa forskare att klassificera kollideringshändelser, mätvärdet som utvecklats av Metodiev och hans kollegor kan användas för att visualisera kollideringsdata på ett helt nytt sätt. Traditionellt, inom partikelfysik, forskare fokuserar på ett enda attribut för en samling kollideringshändelser (dvs. "skogen") eller på detaljerade egenskaper hos en enskild kolliderhändelse (dvs. "träden"). Eftersom det nya värdet tillåter användare att gruppera liknande kollideringshändelser tillsammans, det möjliggör observation av "skogen" och enskilda "träd" samtidigt, genom att identifiera händelser som bäst fångar upp huvuddragen i datamängden som helhet.

"Dessutom, ur ett mer matematiskt perspektiv, när du har en uppfattning om avstånd, du kan studera geometri i händelseutrymmet, som ger ett nytt sätt att tänka på befintliga koncept inom kolliderfysik som går tillbaka till 1970 -talet, "Metodiev tillagd." Till exempel, för att undvika oändligheter i kvantfältteori beräkningar, man måste helt enkelt se till att händelsegeometrin är tillräckligt smidig, utan några enstaka poäng. I framtiden, Vi planerar att utveckla nya kolliderobserverbarheter och tekniker baserade på detta geometriska perspektiv. "

Mätvärdet som utvecklats av Metodiev, Komiske och Thaler kan ha många intressanta tillämpningar. Det kan till och med användas för att söka efter oegentligheter i LHC -datamängder med hjälp av en strategi som kallas anomaliedetektering, som i slutändan kan hjälpa till att ta fram nya fysikbevis.

På kort sikt, forskarna planerar att använda sitt mått för att återupptäcka kända aspekter av standardmodellen i det nya geometriska språket de föreslog. I sista hand, dock, deras teknik kan avslöja bevis på förekomsten av nya partiklar eller krafter, liksom tidigare okända aspekter av själva standardmodellen.

"Med vår uppfattning om likhet, vi kan inte bara identifiera de vanligaste händelsekonfigurationerna, men också de mest exotiska, och det är möjligt att dessa exotiska händelser kan ge tips för fysik utöver standardmodellen, "Thaler berättade för Phys.org." Vi arbetar för närvarande med att jämföra denna idé med offentlig kollideringsinformation. Sedan 2014 har CMS -experimentet vid LHC har släppt delmängder av deras data för obegränsad användning, inklusive all information som är nödvändig för att beräkna vårt mått. Detta ger oss en möjlighet att utforska händelseutrymmet på verkliga collider -data. "

© 2019 Science X Network