Новой технологии машинного обучения протестировано международной командой ученых, в том числе Массачусетского технологического института профессор Филипп Харрис и Дилан постдок Ранкин, как в лаборатории ядерной науки, можно определить некоторые частицы подписей среди океана на Большом адронном коллайдере (бак) данные в мгновение ока.
Сложные и стремительные, новая система обеспечивает возможность заглянуть в игре-изменение роли машинного обучения будут играть в будущих открытий в области физики элементарных частиц, как наборы данных становятся больше и сложнее.
Бак создает около 40 миллионов столкновений в секунду. С таким огромным количеством данных, чтобы просеять через, он принимает мощные компьютеры идентифицировать те столкновения, которые могут представлять интерес для ученых, то ли, возможно, намек на темную материю или частицы Хиггса.
Теперь, ученые из Фермилаб и ЦЕРН, Массачусетского технологического института, Вашингтонского университета и в другом месте протестировали машину-система обучения, что скорости обработки от 30 до 175 раз по сравнению с существующими методами.
Такие методы в настоящее время меньше, чем одно изображение в секунду. В отличие от этого, новая машина-система обучения может просмотреть до 600 изображений в секунду. В период его подготовки, система научилась выбирать один конкретный тип постколлизионного шаблон частиц.
“Закономерности столкновения, мы определяем, топ-кварков, являются одними из фундаментальных частиц зонд на Большом адронном коллайдере”, — говорит Харрис, который является сотрудником кафедры физики Массачусетского технологического института. “Очень важно проанализировать как можно больше данных. Каждый фрагмент данных несет интересную информацию о том, как частицы взаимодействуют”.
Эти данные будут лить как никогда раньше после текущего обновления БАК полный; к 2026 году, в 17-километровый ускоритель частиц предполагается производить в 20 раз больше данных, как это сделано. Чтобы сделать вопросы еще более актуальными, будущего изображения также будут приняты более высоким разрешением, чем сейчас. В целом, ученые и инженеры считают, бак нужно более чем в 10 раз превышает вычислительные мощности в настоящее время.
“Задача будущего работает”, — говорит Харрис, “становится все труднее, поскольку наши расчеты станут более точными и мы зонд когда-либо более конкретные последствия.”
Исследователи по проекту обучение их новой системы для выявления изображений топ-кварков, самый массовый вид элементарных частиц, который находится примерно в 180 раз тяжелее протона. “С машиной-обучение архитектур доступна нам, мы можем сделать высокое-класс научно-качественные результаты, сопоставимые с лучшими топ-кварка алгоритмы идентификации в мире”, — объясняет Харрис. “Реализация основных алгоритмов на высокой скорости дает нам гибкость, чтобы повысить на LHC Computing в критические моменты, где это наиболее необходимо.”
Больше записей автора Роботы и киборги
Маркетинговое исследование рынка робототехники
Объектом исследования является российский рынок робототехники. Рынок робототехники делится на два значимых сегмента: бытовые (домашние роботы) и роботы профессиональные (промышленные/сервисные). …
Обзор рынка промышленной автоматики
Департаментом маркетингового анализа «Текарт» завершен проект, посвященный анализу рынка промышленной автоматики (системы АСУ ТП и КИПиА) в Воронежской области. В …
Перспективы производства промышленных роботов в России
Пандемия ускоряет цифровую трансформацию и автоматизацию бизнеса, стимулируя интерес инвесторов и предпринимателей к робототехнике. Ранее промышленные роботы, в основном, использовались в …
