מבוא
נניח שיש לך ספר בן אלף עמודים, אבל בכל עמוד יש רק שורת טקסט בודדת. אתה אמור לחלץ את המידע הכלול בספר באמצעות סורק, רק הסורק המסוים הזה עובר באופן שיטתי על כל עמוד ועמוד, סורק אינץ' מרובע בכל פעם. ייקח לך הרבה זמן לעבור על כל הספר עם הסורק הזה, ורוב הזמן הזה יתבזבז על סריקת שטח ריק.
כאלה הם החיים של הרבה פיזיקאים ניסויים. בניסויים בחלקיקים, גלאים לוכדים ומנתחים כמויות אדירות של נתונים, למרות שרק חלק זעיר מהם מכיל מידע שימושי. "בתצלום של, נניח, ציפור עפה בשמיים, כל פיקסל יכול להיות בעל משמעות", הסביר Kazuhiro Terao, פיזיקאי במעבדת האצה הלאומית של SLAC. אבל בתמונות שהפיזיקאי מסתכל בהן, לעתים קרובות רק חלק קטן מהן באמת משנה. בנסיבות כאלה, חקירה בכל פרט גוזלת זמן ומשאבים חישוביים שלא לצורך.
אבל זה מתחיל להשתנות. בעזרת כלי למידת מכונה המכונה רשת עצבית קונבולוציונית דלילה (SCNN), החוקרים יכולים להתמקד בחלקים הרלוונטיים של הנתונים שלהם ולסנן את השאר. חוקרים השתמשו ברשתות אלו כדי להאיץ במידה ניכרת את יכולתם לבצע ניתוח נתונים בזמן אמת. והם מתכננים להעסיק SCNN בניסויים הקרובים או הקיימים לפחות בשלוש יבשות. הבורר מסמן שינוי היסטורי עבור קהילת הפיזיקה.
"בפיסיקה, אנחנו רגילים לפתח אלגוריתמים וגישות חישוביות משלנו", אמר קרלוס ארגולס-דלגאדו, פיזיקאי באוניברסיטת הרווארד. "תמיד היינו בחזית הפיתוח, אבל עכשיו, בקצה החישובי של הדברים, מדעי המחשב מובילים לעתים קרובות את הדרך."
דמויות דלילות
העבודה שתוביל ל-SCNN החלה ב-2012, אז בנג 'מין גרהם, אז באוניברסיטת וורוויק, רצה ליצור רשת נוירונים שתוכל לזהות כתב יד סיני.
הכלים המובילים באותה תקופה למשימות הקשורות לתמונה כמו זה היו רשתות עצביות קונבולוציוניות (CNNs). עבור משימת כתב היד הסיני, סופר היה מתחקה אחר דמות בטאבלט דיגיטלי, ומייצר תמונה של, נניח, 10,000 פיקסלים. לאחר מכן, ה-CNN יעביר רשת של 3 על 3 הנקראת קרנל על פני כל התמונה, ומרכז את הליבה על כל פיקסל בנפרד. עבור כל מיקום של הליבה, הרשת תבצע חישוב מתמטי מסובך שנקרא קונבולציה שחיפשה מאפיינים מבדילים.
מכשירי CNN תוכננו לשימוש עם תמונות צפופות מידע כגון תצלומים. אבל תמונה המכילה תו סיני היא ריקה ברובה; חוקרים מתייחסים לנתונים עם מאפיין זה כדלים. זה מאפיין נפוץ של כל דבר בעולם הטבע. "כדי לתת דוגמה עד כמה העולם יכול להיות דליל", אמר גרהם, אם מגדל אייפל היה עטוף במלבן הקטן ביותר האפשרי, המלבן הזה היה מורכב מ"99.98% אוויר ורק 0.02% ברזל".
מבוא
גרהם ניסה לשנות את גישת ה-CNN כך שהקרנל ימוקם רק על קטעים של 3 על 3 של התמונה המכילים לפחות פיקסל אחד שיש לו ערך שאינו אפס (ולא רק ריק). בדרך זו, הוא הצליח לייצר מערכת שיכולה לזהות ביעילות סינית בכתב יד. הוא זכה בתחרות של 2013 על ידי זיהוי תווים בודדים עם שיעור שגיאה של 2.61% בלבד. (בני אדם קיבלו ציון של 4.81% בממוצע.) לאחר מכן הפנה את תשומת לבו לבעיה גדולה עוד יותר: זיהוי אובייקט תלת מימדי.
עד 2017, גרהם עבר ל-Facebook AI Research ושכלל עוד יותר את הטכניקה שלו לאור מה היא פרטים עבור ה-SCNN הראשון, שמרכז את הליבה רק על פיקסלים בעלי ערך שאינו אפס (במקום למקם את הליבה על כל מקטע של 3 על 3 שיש לו לפחות פיקסל "שלא אפס" אחד). זה היה הרעיון הכללי הזה שטראו הביא לעולם הפיזיקה של החלקיקים.
צילומי מחתרת
Terao מעורב בניסויים במעבדת האקסלרטור הלאומית של פרמי שחוקרים את טבעם של הנייטרינו, בין החלקיקים היסודיים החמקמקים ביותר הידועים. הם גם החלקיקים הנפוצים ביותר ביקום עם מסה (אם כי לא הרבה), אך לעתים רחוקות הם מופיעים בתוך גלאי. כתוצאה מכך, רוב הנתונים עבור ניסויי נייטרינו דלילים, וטראו חיפש כל הזמן גישות טובות יותר לניתוח נתונים. הוא מצא אחד ב-SCNNs.
בשנת 2019, הוא יישם SCNNs על סימולציות של הנתונים הצפויים מניסוי הניטרינו העמוק מתחת לאדמה, או DUNE, שיהיה הניסוי הגדול בעולם בפיזיקת הניטרינו כשיגיע לאינטרנט בשנת 2026. הפרויקט יצלם ניטרינו מפרמילב, ממש מחוץ לשיקגו. דרך 800 מייל של כדור הארץ למעבדה תת קרקעית בדרום דקוטה. לאורך הדרך, החלקיקים "יתנדנדו" בין שלושת סוגי הנייטרינו הידועים, ותנודות אלו עשויות לחשוף תכונות ניוטרינו מפורטות.
ה-SCNNs ניתחו את הנתונים המדומים מהר יותר משיטות רגילות, ודרשו פחות כוח חישובי בכך. התוצאות המבטיחות אומרות שסביר להניח ש-SCNNs ישמשו במהלך הריצה הניסויית בפועל.
ב-2021, בינתיים, Terao עזר להוסיף SCNNs לניסוי נייטרינו נוסף ב-Fermilab הידוע בשם MicroBooNE. כאן, מדענים מסתכלים על ההשלכות של התנגשויות בין ניטרינו וגרעינים של אטומי ארגון. על ידי בחינת המסלולים שנוצרו על ידי אינטראקציות אלה, החוקרים יכולים להסיק פרטים על הנייטרינו המקוריים. לשם כך, הם צריכים אלגוריתם שיכול להסתכל על הפיקסלים (או, טכנית, עמיתיהם התלת מימדיים הנקראים ווקסלים) בייצוג תלת מימדי של הגלאי ואז לקבוע אילו פיקסלים משויכים לאיזה מסלולי חלקיקים.
מכיוון שהנתונים כל כך דלים - פיצוץ של קווים זעירים בתוך גלאי גדול (כ-170 טון של ארגון נוזלי) - SCNNs הם כמעט מושלמים למשימה זו. עם CNN סטנדרטי, התמונה תצטרך להתפרק ל-50 חלקים, בגלל כל החישוב שצריך לעשות, אמר טראו. "עם CNN דליל, אנחנו מנתחים את כל התמונה בבת אחת - ועושים את זה הרבה יותר מהר."
טריגרים בזמן
אחד החוקרים שעבדו על MicroBooNE היה מתמחה לתואר ראשון בשם פליקס יו. התרשם מהעוצמה והיעילות של SCNNs, הוא הביא איתו את הכלים למקום העבודה הבא שלו כסטודנט לתואר שני במעבדת מחקר של הרווארד הקשורה רשמית למצפה הניוטרינו IceCube בקוטב הדרומי.
אחת המטרות המרכזיות של מצפה הכוכבים היא ליירט את הנייטרינים האנרגטיים ביותר ביקום ולהתחקות אחריהם למקורותיהם, שרובם נמצאים מחוץ לגלקסיה שלנו. הגלאי מורכב מ-5,160 חיישנים אופטיים קבורים בקרח האנטארקטי, שרק חלק זעיר מהם נדלקים בכל זמן נתון. שאר המערך נותר חשוך ואינו אינפורמטיבי במיוחד. גרוע מכך, רבים מה"אירועים" שהגלאים מתעדים הם חיוביות שגויות ואינם שימושיים לציד נייטרינו. רק אירועים שנקראים ברמת טריגר עושים את הקיצוץ לניתוח נוסף, וצריך לקבל החלטות מיידיות לגבי אילו מהם ראויים לייעוד זה ומאילו יתעלמו לצמיתות.
רשתות CNN סטנדרטיות איטיות מדי למשימה זו, אז מדעני IceCube הסתמכו זה מכבר על אלגוריתם בשם LineFit כדי לספר להם על זיהויים שעלולים להיות שימושיים. אבל האלגוריתם הזה אינו אמין, אמר יו, "מה שאומר שאנחנו עלולים להחמיץ אירועים מעניינים". שוב, זוהי סביבת נתונים דלילה המתאימה באופן אידיאלי ל-SCNN.
יו - יחד עם ארגולס-דלגאדו, יועצו לדוקטורט, וג'ף לזר, סטודנט לתואר שני באוניברסיטת ויסקונסין, מדיסון - כימתו את היתרון הזה, והראו ב מאמר שפורסם לאחרונה שהרשתות הללו יהיו מהירות פי 20 בערך מרשתות CNN טיפוסיות. "זה מהיר מספיק כדי לרוץ על כל אירוע שיוצא מהגלאי," כ-3,000 בכל שנייה, אמר לזר. "זה מאפשר לנו לקבל החלטות טובות יותר לגבי מה לזרוק ומה לשמור."
מבוא
המחברים גם השתמשו בהצלחה ב-SCNN בסימולציה באמצעות נתונים רשמיים של IceCube, והשלב הבא הוא לבדוק את המערכת שלהם על העתק של מערכת המחשוב בקוטב הדרומי. אם הכל ילך כשורה, ארגולס-דלגאדו מאמין שהם צריכים להתקין את המערכת שלהם במצפה הכוכבים באנטארקטיקה בשנה הבאה. אבל הטכנולוגיה יכולה לראות שימוש רחב עוד יותר. "אנחנו חושבים ש[SCNNs יכולים להועיל] לכל טלסקופי הניטרינו, לא רק עם IceCube", אמר ארגולס-דלגאדו.
מעבר לנייטרינו
פיליפ האריס, פיזיקאי במכון הטכנולוגי של מסצ'וסטס, מקווה ש-SCNNs יוכלו לעזור במתנגש החלקיקים הגדול מכולם: מאיץ ההדרונים הגדול (LHC) ב-CERN. האריס שמע על סוג זה של רשת עצבית מעמית MIT, מדען המחשב סונג האן. "שיר הוא מומחה להפיכת אלגוריתמים למהירים ויעילים", אמר האריס - מושלם עבור ה-LHC, שבו מתרחשות 40 מיליון התנגשויות בכל שנייה.
כשדיברו לפני כמה שנים, סונג סיפר להריס על פרויקט רכב אוטונומי שהוא ממשיך עם חברי המעבדה שלו. הצוות של סונג השתמש ב-SCNN כדי לנתח מפות לייזר תלת-ממדיות של החלל שלפני הרכב, שחלק גדול מהם ריק, כדי לראות אם קיימות מכשולים כלשהם.
האריס ועמיתיו מתמודדים עם אתגרים דומים ב-LHC. כאשר שני פרוטונים מתנגשים בתוך המכונה, ההתרסקות יוצרת כדור מתרחב העשוי מחלקיקים. כאשר אחד מהחלקיקים הללו פוגע בקולט, מתרחשת מקלחת חלקיקים משנית. "אם אתה יכול למפות את מלוא היקף הגשם הזה," אמר האריס, "תוכל לקבוע את האנרגיה של החלקיק שהוליד אותו", שעשוי להיות מושא לעניין מיוחד - משהו כמו בוזון היגס, שפיזיקאים התגלה ב-2012, או חלקיק חומר אפל, שפיזיקאים עדיין מחפשים.
"הבעיה שאנו מנסים לפתור מסתכמת בחיבור הנקודות", אמר האריס, בדיוק כפי שמכונית בנהיגה עצמית עשויה לחבר את הנקודות של מפת לייזר כדי לזהות חסימה.
SCNNs יאיץ את ניתוח הנתונים ב-LHC לפחות בפקטור של 50, אמר האריס. "המטרה הסופית שלנו היא להכניס [SCNNs] לגלאי" - משימה שתיקח לפחות שנה של ניירת ורכישה נוספת מהקהילה. אבל הוא ועמיתיו מלאי תקווה.
בסך הכל, סביר יותר ויותר ש-SCNNs - רעיון שנוצר במקור בעולם מדעי המחשב - ישחקו בקרוב תפקיד בניסויים הגדולים ביותר שנערכו אי פעם בפיזיקה של נייטרינו (DUNE), אסטרונומיה נייטרינו (IceCube) ופיזיקה של אנרגיה גבוהה (ה-LHC) .
גרהם אמר שהוא הופתע לטובה לגלות ש-SCNN עשו את דרכם לפיזיקת חלקיקים, למרות שהוא לא היה בהלם לחלוטין. "במובן מופשט", אמר, "חלקיק שנע בחלל הוא קצת כמו קצה עט שנע על פיסת נייר."
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- EVM Finance. ממשק מאוחד למימון מבוזר. גישה כאן.
- Quantum Media Group. IR/PR מוגבר. גישה כאן.
- PlatoAiStream. Web3 Data Intelligence. הידע מוגבר. גישה כאן.
- מקור: https://www.quantamagazine.org/sparse-neural-networks-point-physicists-to-useful-data-20230608/
- :יש ל
- :הוא
- :לֹא
- :איפה
- ][עמ'
- $ למעלה
- 000
- 10
- 20
- 2012
- 2013
- 2017
- 2019
- 2021
- 2026
- 3d
- 40
- 50
- a
- יכולת
- אודות
- תקציר
- שופע
- להאיץ
- מאיץ
- לרוחב
- ממשי
- למעשה
- להוסיף
- נוסף
- יתרון
- כלולה
- בעקבות
- שוב
- לִפנֵי
- קדימה
- AI
- ai מחקר
- AIR
- אַלגוֹרִיתְם
- אלגוריתמים
- תעשיות
- לאורך
- גם
- תמיד
- בין
- כמויות
- an
- אנליזה
- לנתח
- ו
- אחר
- כל
- דבר
- יישומית
- גישה
- גישות
- בערך
- ARE
- מערך
- AS
- המשויך
- אסטרונומיה
- At
- תשומת לב
- מחברים
- מְמוּצָע
- בחזרה
- BE
- כי
- היה
- החל
- מאמין
- תועלת
- מוטב
- בֵּין
- גדול
- הגדול ביותר
- קצת
- ספר
- בוזון
- שבור
- מובא
- אבל
- by
- נקרא
- CAN
- ללכוד
- מכונית
- מרוכז
- מרכוז
- האתגרים
- שינוי
- אופי
- תווים
- שיקגו
- סינית
- בנסיבות
- CNN
- עמית
- עמיתים
- אספן
- התנגש
- מגיע
- Common
- קהילה
- תחרות
- מסובך
- מורכב
- חישוב
- כוח חישובי
- המחשב
- מדעי מחשב
- מחשוב
- יזום
- מנוהל
- לְחַבֵּר
- מקשר
- תמיד
- להכיל
- הכלול
- מכיל
- יכול
- זוג
- להתרסק
- נוצר
- יוצר
- חותך
- דקוטה
- כהה
- חומר אפל
- נתונים
- ניתוח נתונים
- החלטות
- עמוק
- מינוי
- מעוצב
- פרט
- מְפוֹרָט
- פרטים
- לקבוע
- מתפתח
- צעצועי התפתחות
- דיגיטלי
- גילה
- do
- עושה
- עשה
- מטה
- דיונה
- בְּמַהֲלָך
- כל אחד
- כדור הארץ
- יְעִילוּת
- יעיל
- יעילות
- מוּעֳסָק
- מאפשר
- סוף
- אנרגיה
- מספיק
- שלם
- סביבה
- שגיאה
- אֲפִילוּ
- אירוע
- אירועים
- אי פעם
- כל
- בוחן
- דוגמה
- קיימים
- הרחבת
- צפוי
- לְנַסוֹת
- ניסויים
- מומחה
- מוסבר
- תמצית
- פָּנִים
- פייסבוק
- גורם
- שקר
- מהר
- מהר יותר
- מאפיין
- תכונות
- ראשון
- טיסה
- להתמקד
- בעד
- בחזית
- רשמית
- מצא
- שבריר
- החל מ-
- חזית
- מלא
- נוסף
- גלקסי
- כללי
- לקבל
- לתת
- נתן
- מטרה
- שערים
- Goes
- בוגר
- רֶשֶׁת
- היה
- הרווארד
- אוניברסיטת הרוורד
- יש
- he
- נשמע
- לעזור
- עזר
- כאן
- לו
- שֶׁלוֹ
- היסטורי
- להיטים
- תקווה
- מקווה
- איך
- HTTPS
- בני אדם
- ציד
- קרח
- רעיון
- לזהות
- זיהוי
- if
- תמונה
- תמונות
- התרשמנו
- in
- יותר ויותר
- בנפרד
- בנפרד
- מידע
- אִינפוֹרמָטִיבִי
- מותקן
- מיידי
- מכון
- יחסי גומלין
- אינטרס
- מעניין
- אל תוך
- מעורב
- IT
- רק
- שמור
- מפתח
- סוג
- ידוע
- מעבדה
- מעבדה
- גָדוֹל
- הגדול ביותר
- לייזר
- עוֹפֶרֶת
- מוביל
- לִלמוֹד
- למידה
- הכי פחות
- פחות
- החיים
- אוֹר
- כמו
- סביר
- קו
- קווים
- נוזל
- ארוך
- הרבה זמן
- נראה
- נראה
- נראה
- מכונה
- למידת מכונה
- עשוי
- מגזין
- לעשות
- עשייה
- רב
- מַפָּה
- מפות
- מסה
- מסצ'וסטס
- המכון הטכנולוגי של מסצ'וסטס
- מתימטי
- דבר
- עניינים
- מאי..
- אומר
- משמעותי
- אומר
- בינתיים
- להרשם/להתחבר
- שיטות
- יכול
- מִילִיוֹן
- חסר
- MIT
- רוב
- בעיקר
- המהלך
- נִרגָשׁ
- נע
- הרבה
- שם
- לאומי
- טבעי
- טבע
- צורך
- רשת
- רשתות
- רשת עצבית
- רשתות עצביות
- הניטרינו
- נויטרינו
- הבא
- עַכשָׁיו
- אובייקט
- מצפה כוכבים
- of
- רשמי
- לעתים קרובות
- on
- פעם
- ONE
- יחידות
- באינטרנט
- רק
- or
- רגיל
- מְקוֹרִי
- בְּמָקוֹר
- שלנו
- הַחוּצָה
- בחוץ
- יותר
- שֶׁלוֹ
- עמוד
- מאמר
- ניירת
- מסוים
- במיוחד
- חלקים
- לְבַצֵעַ
- לצמיתות
- תמונות
- פיסיקה
- לְחַבֵּר
- חתיכות
- פיקסל
- הַצָבָה
- תכנית
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- לְשַׂחֵק
- נקודה
- חלק
- אפשרי
- פוטנציאל
- כּוֹחַ
- ראש הממשלה
- בדיקה
- בעיה
- פּרוֹיֶקט
- מבטיח
- נכסים
- רכוש
- פרוטונים
- ציון
- במקום
- זמן אמת
- נתונים בזמן אמת
- לאחרונה
- הכרה
- להכיר
- שיא
- מעודן
- רלוונטי
- שְׂרִידִים
- תגובה
- נציגות
- נדרש
- מחקר
- חוקרים
- משאבים
- REST
- תוצאה
- תוצאות
- לגלות
- לעלות
- תפקיד
- הפעלה
- אמר
- לומר
- סריקה
- מדע
- מַדְעָן
- מדענים
- מסך
- חיפוש
- שְׁנִיָה
- משני
- סעיף
- סעיפים
- לִרְאוֹת
- נהיגה עצמית
- תחושה
- חיישנים
- המום
- לירות
- צריך
- לְהַצִיג
- באופן משמעותי
- דומה
- הדמיה
- יחיד
- הם
- להאט
- קטן
- So
- לפתור
- משהו
- שִׁיר
- בקרוב
- מקורות
- דרום
- מֶרחָב
- מיוחד
- מְהִירוּת
- מרובע
- תֶקֶן
- סטנפורד
- החל
- שלב
- עוד
- סטודנט
- בהצלחה
- כזה
- אמור
- הופתע
- מתג
- מערכת
- לוּחַ
- לקחת
- המשימות
- משימות
- נבחרת
- מבחינה טכנית
- טכנולוגיה
- טלסקופ
- לספר
- מבחן
- מֵאֲשֶׁר
- זֶה
- השמיים
- המידע
- העולם
- שֶׁלָהֶם
- אותם
- אז
- שם.
- אלה
- הֵם
- דברים
- לחשוב
- זֶה
- אם כי?
- שְׁלוֹשָׁה
- תלת-ממדי
- דרך
- זמן
- פִּי
- טיפ
- ל
- טון
- גַם
- כלי
- כלים
- לְגַמרֵי
- מגדל
- עקבות
- ניסיתי
- הסתובב
- tweaking
- שתיים
- סוגים
- טיפוסי
- האולטימטיבי
- עולם
- אוניברסיטה
- בקרוב ב
- us
- להשתמש
- מְשׁוּמָשׁ
- באמצעות
- ערך
- Vast
- בְּמִדָה נִכֶּרֶת
- רכב
- ווקסלס
- רציתי
- היה
- דֶרֶך..
- we
- webp
- טוֹב
- היו
- מה
- מתי
- אשר
- מי
- כל
- רחב יותר
- יצטרך
- עם
- בתוך
- נצחנות
- תיק עבודות
- עבד
- מקום עבודה
- עוֹלָם
- של העולם
- גרוע יותר
- היה
- סופר
- שנה
- שנים
- אתה
- זפירנט