宇宙起源时存在的夸克胶子等离子体的结构是什么？导致宇宙膨胀得越来越快的暗能量是否会随着时间的推移而变化？虽然这些问题涉及高能和核物理中截然不同的领域，但能源部（DOE）科学办公室正在支持科学家使用人工智能（AI）来帮助回答这些问题。
理解人工智能
人工智能是计算机智能的广义术语，与自然界中人类智能相对。人工智能执行任务或解决需要学习、推理或做出决策的问题。机器学习是一种特定类型的人工智能。
在机器学习中，程序从之前的数据分析中学习，以改进未来分析类似数据的方式。最著名的机器学习形式是生成式人工智能（GenAI）。在GenAI中，程序被训练来创建文本、图像或视频。然而，机器学习有许多不同的形式。其中包括可以在数据中找到模式、对图像进行分类、学习如何使用实验室设备以及识别异常数据点的程序。
为了开发一个机器学习程序，科学家必须在大量数据上对其进行训练。这些数据可能以图像、文本或数字的形式出现。
利用人工智能研究粒子物理、核物理和天体物理学
在科学领域，机器学习可以比人类更快、更有效地执行许多任务。随着科学实验产生越来越多的数据，科学家将需要依靠机器学习来处理和分析数据。
美国国家科学基金会和能源部的Vera C. Rubin天文台是一个正在创建大量数据的项目。在接下来的十年里，它将拍摄南半球巨大的高分辨率天空图像。在此期间，它将探测到大约380亿个宇宙物体。Rubin天文台团队正在使用机器学习来调整相机指向的位置，识别新的和不断变化的物体，并将图像组合在一起。科学家们还将用它来对超新星进行分类，这些超新星非常适合测量与地球的距离。
其他科学家正在使用人工智能来模拟宇宙的结构。具体来说，他们想了解暗物质和暗能量。暗物质是占宇宙物质85%的不可见物质。暗能量是导致宇宙膨胀越来越快的现象的标签。科学家们正在从望远镜中获取数据来构建这些模拟。然后，他们反向工作，了解导致这些观察结果的潜在特征。
与天体物理学的广阔宇宙相比，核物理学研究的是构成我们世界普通物质的最小组成部分。核物理学家致力于理解原子核及其组成部分。这些包括组成原子核的质子和中子，以及组成质子和中子的夸克和胶子。核物理学家正在寻求使用机器学习来处理大量信息的有效方法。
例如，美国能源部科学用户设施办公室的相对重离子对撞机（RHIC）的数据使科学家能够研究宇宙的起源。它模拟了大爆炸后夸克和胶子结合成质子和中子之前的条件。RHIC以如此高的速度和温度将离子粉碎在一起，以至于它将原子核“熔化”成一个被称为夸克胶子等离子体的火球。美国能源部劳伦斯伯克利国家实验室的研究人员正在使用机器学习来分离夸克胶子等离子体中的粒子喷雾类型。
下一代核物理研究将在美国能源部布鲁克海文国家实验室即将建成的电子离子对撞机（EIC）上进行。科学家们希望使用机器学习来最大限度地提高EIC的运行效率，分析其数据集中的信息，并减少重复性任务，以节省研究人员的时间。科学家们已经在使用人工智能来改进用于核能和高能物理的加速器束。
人工智能和机器学习的未来投资
这种多样的应用是美国能源部投资人工智能用于高能和核物理的原因。
通过高能物理硬件感知人工智能招标，能源部为七个奖项提供了2200万美元。这些项目将支持两个研究领域。首先是对智能探测器的研究，该探测器将使用人工智能来改善探测器的测量、读数和电子控制。二是研究使用人工智能来改善运营。这些努力将改善实时设施、实验和天文台的操作和控制。
在核物理领域，美国能源部通过人工智能和机器学习应用于核科学技术征集活动，为八个奖项提供了1660万美元。这些项目将帮助科学家提高加速器和其他科学仪器的效率，从复杂的数据集中提取信息，并建立自主系统来控制设备。它们还将允许科学家创建对撞机的“数字双胞胎”，以改进设计，并使科学家能够使用人工智能发现潜在的物理研究新领域。
无论他们是在处理宇宙中最大还是最小的现象，物理学家都在寻找新的方法来利用人工智能的力量，这得到了美国能源部科学办公室的支持。
与Ai时代前沿合作，将大门向更多普通用户敞开！免费课程限时领，还有好礼相送！无论你是对新技术充满好奇心的爱好者，还是希望提升自己技能的职场人士，这里都有适合你的课程和资源。文章留言或私信小编拉您入群！
热门跟贴