创新背景

希格斯玻色子（通常被称为“上帝粒子”）的发现标志着一个长达数十年的物理难题的解决方案诞生，即粒子获得质量的方式。但直到2012年，该粒子仍然是一个理论实体。

创新过程

粒子或高能物理学的明显前进方向是发现未知粒子或亚原子世界的任何其他新特征。在最终发现“上帝粒子”之后，欧洲核子研究中心的工作重点是证明其他理论模型，如超对称性，根据该模型，每个玻色子都应该有其费米子超伙伴，反之亦然。然而，由于无法更进一步，以色列的研究人员增强和微调当前的数据分析方法，以改善现有数据的提取以及在当前和未来的加速器中寻找新粒子的有效性。

为了实现这一目标，魏茨曼研究所的研究小组专注于使用机器学习方法解决粒子物理学中的主要问题，改进ATLAS探测器数据集分析的任务，该数据集包含约1亿个组件。虽然目前的技术已经达到了灵敏度极限，但粒子碰撞的高分辨率模拟为回答一些物理学最基本的问题提供了一个新的框架。

当粒子在ATLAS探测器内碰撞时，其组件会记录能量测量值，然后科学家必须破译这些测量值。再加上加速器运行时任何给定秒内有超过 10 亿次碰撞的事实，此设置带来了一个双头问题：一方面，无法手动分析惊人的数据量；另一方面，由于这些是在微观尺度上发生的快速演变的事件，探测器组件的数量无法以相同的精度有效地收集所有事件。

使用碰撞的模拟，就好像它被更灵敏的探测器检测到一样（上图），通过深度学习“教导”计算机更有效，更准确地分析它（下图）。红线表示粒子在碰撞后的路线。

研究团队决定解决的第一个挑战是提高区分当较大的粒子碰撞时可以检测到的基本粒子，即不同类型夸克的能力 。目前有六种已知的夸克类型，每种夸克都有自己独特的质量，这决定了希格斯玻色子在碰撞后衰变成的特定类型的夸克。例如，观察到希格斯玻色子衰变成底夸克的可能性非常高。因为其质量很大，上下夸克轻得几乎无法被检测到。

为了解决这一难题，研究小组开发了一种粒子流算法，可以分析这些粒子在时间和空间上的运动和能量分散模式。通过为算法提供数十亿次模拟碰撞事件，科学家们能够证明可以教计算机识别和分析相关数据。

研究团队已经能够为他们开发的算法提供概念证明，下一步将是在更大的数据集上测试它。为了从大型强子对撞机进行的测量中获得更大的科学价值，新的数据分析方法的灵敏度需要尽可能高。准确的模拟是一种有价值的工具，可以帮助最大限度地提高方法的灵敏度。

创新价值

研究证明了人工智能在粒子物理研究领域的可用性，有助于推动整个粒子物理学领域朝着人工智能的方向发展，改变高能物理数据分析方式。