Стандартная модель физики элементарных частиц описывает все известные элементарные частицы и три из четырех фундаментальных сил, управляющих Вселенной, то есть все, кроме гравитации
Эти три силы – электромагнитная сильная и слабая, определяют, как образуются частицы, как они взаимодействуют и как частицы распадаются.
Однако изучение физики элементарных частиц и ядерной физики в этих рамках затруднено и основано на крупномасштабных численных исследованиях. Например, многие аспекты сильного взаимодействия требуют численного моделирования динамики в масштабе от 1/10 до 1/100 размера протона, чтобы ответить на фундаментальные вопросы о свойствах протонов, нейтронов и ядер.
«В конечном итоге мы ограничены в вычислительном отношении при изучении структуры протона и ядра с помощью теории поля на решетке», - рассказал доцент физики Фиала Шанахан. «Есть много интересных проблем, которые мы в принципе умеем решать, но у нас просто не хватает вычислительных ресурсов, даже несмотря на то, что мы работаем на самых больших суперкомпьютерах в мире».
Чтобы преодолеть эти ограничения, Шанахан возглавляет группу, которая сочетает теоретическую физику с моделями машинного обучения. В своей статье «Эквивариантная выборка на основе потоков для теории решетчатых датчиков», опубликованной в этом месяце в Physical Review Letters, они показывают, как включение симметрии физических теорий в архитектуры машинного обучения и искусственного интеллекта может обеспечить гораздо более быстрые алгоритмы для теоретической физики.
По информации https://glas.ru/technology/57388-iskusstvennyj-intellekt-nachali-primenjat-v-jadernoj-fizike-i-fizike-jelementarnyh-chastic.html
Обозрение "Terra & Comp".
