从物理学社会学天文学医学到化学,科

北京最有实力的白癜风医院 https://jbk.39.net/yiyuanzaixian/bjzkbdfyy/xtxbdf_zx/fq5zm26/

整理

LjLinjing刘燕

来源

Sciencemag

AI早期试验场：寻找新粒子

正如「神经网络」一词能让公众展开无尽遐想，粒子物理学家们从上个世纪80年代就开始捣鼓人工智能。由于几乎每项试验都是在复杂粒子检测器的无数高度相似数据中发现微度空间的模式——这正是AI所擅长的，所以人工智能和机器学习自然而然地适用于粒子物理学领域。「我们花了许多年的时间来让人们相信这一切不是魔术，不是变戏法，也不是黑箱操作。」说这话的是BoazKlima，伊利诺伊州巴尔迪莫费米国家加速器实验室（Fermilab）首批使用该技术的物理学家之一。

为了解宇宙的奥秘，粒子物理学家们需要粉碎亚原子粒子，同时用巨大的力量炸出新的异常物质（物理学中，异常物质指的是与普通物质不同，具有奇异特性的物质的统称）。比如，在年，科学家使用世界上最大的质子对撞机（瑞士的大型强子对撞机（LHC））发现了传说中的希格斯玻色子。这颗稍纵即逝的粒子正是物理学家们解释其他所有基本粒子如何获得其质量的关键。

然而，这种异常物质很难定性。在LHC中，大约每10亿个质子碰撞中才会出现一个希格斯玻色子，而且在十亿分之一皮秒内，它会衰变成其他颗粒，比如一对光子或被称为μ子的四分之一粒子。为了「重建」一个希格斯玻色子，物理学家们必须发现所有更常见的粒子，看其是否能与来自同一种父辈物质一致的方式相配合——在典型的碰撞过程中,　大量不相关的粒子群使这项工作变得更加困难。

费米实验室的物理学家PushpalathaBhat说，神经网络算法优于直接从原始数据中筛选信息。在粒子检测器中——这通常是一个由各种传感器组成的巨大的桶状结构——光子通常在被称为电磁热量计的子系统中产生粒子喷雾。虽然电子和粒子都被称为强子，但它们的簇与光子还是有细微的差异。机器学习算法可以通过探测这类簇的多个变量之间的相关性来辨别差异，同时也可以帮助区分源自任意一对由希格斯衰变后产生光子。「这就好比大海捞针，」Bhat说，「所以从数据中提取最多的信息非常重要。」机器学习尚未攻克这一领域。物理学家们仍主要靠对隐含物理学的理解来找出与新粒子相关的数据。但AI很可能变得愈来愈重要，加州伯克利劳伦斯伯克利国家实验室的计算机科学家PaoloCalafiura说。年，研究人员计划升级LHC以将碰撞率提高10倍。Calafiura说，在这一点上，机器学习对于能否跟上数据大潮至关重要。算法如何分析大众情绪社交媒体每年数以十亿计的用户以及数以千亿计的推特和帖子为社会科学带来海量数据。心理学家MartinSeligman认识到这也为利用人工智能研究大众传播的走向提供了前所未有的机会。在宾夕法尼亚大学正面心理学中心进行的世界福祉项目（WorldWell-BeingProject）中，他与20多位心理学家，医生和计算机科学家使用机器学习和自然语言处理方法来筛选数据，以检测公众身心健康状况。这通常是由调查问卷来完成的。但是，社交媒体数据「不起眼，价格便宜，而且数量级更大」，Seligman说。这些数据当然首先需要大量预处理，但AI同时也提供了强大的可视化工具。在最近的一项研究中，Seligman和他的同事们对29,位参与了抑郁自我评估的脸书用户的日常更新进行了跟踪。使用其中的28,个用户的数据，机器学习算法发现了更新所用的词汇与抑郁水平之间的联系。然后可以根据其更新内容成功预测其他用户的抑郁情况。在另一项研究中，小组成员通过分析1亿条推特来预测郡县的心脏病死亡率。与愤怒和负面关系有关的字眼被归为危险诱因。由社交媒体信息推测出来的数据较传统印象中的所谓十大关键诱因，比如吸烟和糖尿病，更接近真实的死亡率。通过社交媒体信息，研究人员还可预测出人格，收入，政治倾向；同时还研究医疗护理，过往经历以及定向模式。通过推特数据，该团队甚至根据幸福指数，抑郁程度，信任度和五种人格特质，创建了一张美国郡县地图。

「语言与心理学的交叉分析注定会有一场革命。」德州大学奥斯丁分校的社会心理学家JamesPennebaker说，他