據(jù)俄羅斯新聞網(wǎng)報(bào)道，俄羅斯高等經(jīng)濟(jì)學(xué)院與“Yandex”公司數(shù)據(jù)分析學(xué)院聯(lián)合研發(fā)出人工智能系統(tǒng)，該系統(tǒng)可成數(shù)量級(jí)地提高強(qiáng)子對(duì)撞機(jī)上高能粒子的識(shí)別速度。相關(guān)成果發(fā)布在Nuclear Instruments ａnd Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors ａnd Associated Equipment科學(xué)期刊上。

　　強(qiáng)子對(duì)撞機(jī)上每秒鐘有幾百萬(wàn)個(gè)強(qiáng)子發(fā)生對(duì)撞反應(yīng)，檢測(cè)器記錄所生成的結(jié)果并確定其性能。由于所生成的絕大多數(shù)粒子為科學(xué)已知粒子，所以新粒子的尋找工作類(lèi)似于大海撈針，這就需要了解并提高檢測(cè)器的粒子識(shí)別速度，并且越準(zhǔn)確越好。

　　考慮到強(qiáng)子對(duì)撞機(jī)上每秒發(fā)生幾百萬(wàn)個(gè)粒子對(duì)撞，所以不得不采用較低靈敏度的檢測(cè)方法，這造成檢測(cè)器的運(yùn)行速度低，對(duì)某一過(guò)程的模擬通常占用幾秒鐘。理論上，可采用專(zhuān)門(mén)的程序軟件提高檢測(cè)器的檢測(cè)精度和速度，使檢測(cè)器上的傳感器能夠?qū)λㄟ^(guò)的不同粒子做出精確的反應(yīng)?？蒲腥藛T采用生成對(duì)抗網(wǎng)絡(luò)系統(tǒng)（Generative Adversarial Network，簡(jiǎn)稱(chēng)GAN）解決了這個(gè)一直困擾高能物理學(xué)家的難題，由于該系統(tǒng)由生成網(wǎng)絡(luò)和判別網(wǎng)絡(luò)這兩個(gè)神經(jīng)網(wǎng)絡(luò)構(gòu)成，可通過(guò)培訓(xùn)使一個(gè)網(wǎng)絡(luò)學(xué)會(huì)形成與現(xiàn)實(shí)相近的圖像，例如可生成根本不存在的人或動(dòng)物的圖像；而另一個(gè)網(wǎng)絡(luò)則盡力尋找虛擬圖像與現(xiàn)實(shí)圖像的差異。

　　科研人員驚奇地發(fā)現(xiàn)，所研發(fā)的生成現(xiàn)實(shí)主義圖像的方法可用于強(qiáng)子對(duì)撞生成粒子的識(shí)別，并可成量級(jí)地提高識(shí)別速度。通過(guò)培訓(xùn)，科研人員教會(huì)生成對(duì)抗系統(tǒng)預(yù)測(cè)出強(qiáng)子對(duì)撞反應(yīng)的結(jié)果，測(cè)試實(shí)驗(yàn)也證明，該系統(tǒng)可準(zhǔn)確描述強(qiáng)子對(duì)撞物理現(xiàn)象的全部過(guò)程。

　　生成對(duì)抗網(wǎng)絡(luò)系統(tǒng)用于探測(cè)器運(yùn)行的快速仿真，這將極大地加快強(qiáng)子對(duì)撞機(jī)上實(shí)驗(yàn)的進(jìn)行，究其實(shí)質(zhì)，這是將先進(jìn)的培訓(xùn)方法應(yīng)用于科學(xué)數(shù)據(jù)分析，再加上已掌握的有關(guān)檢測(cè)器的知識(shí)和經(jīng)驗(yàn)，由數(shù)據(jù)學(xué)家和物理學(xué)家聯(lián)合完成的研發(fā)工作。