位于欧洲核子研究中心（CERN）的大型强子对撞机（LHC）是现在天下上最大的粒子加速器，，，在内里举行的实验每秒爆发约莫一百万吉字节（GB ，，，十亿字节）的数据。。纵然经由压缩，，，LHC在一小时内积累的数据也与社交网站脸书整年网络的数据量相当。。这么海量的数据，，，给存储和剖析带来了极浩劫题。。幸运的是，，，粒子物理学家不必自己处置惩罚所有这些数据。。他们与一种称为机械学习的人工智能（AI ）携手相助，，，来处置惩罚这些数据。。

来自美国能源部斯坦福直线加速器中心（SLAC）和费米国家加速器实验室的科学家，，，在8月2 日揭晓于《自然》杂志的一篇文章中，，，总结了机械学习在粒子物理学领域的目今应用和未来远景。。

 该论文配相助者、美国威廉玛丽学院的亚力山大·拉多维奇说：“机械学习算法自己知道怎样举行种种剖析，，，这有望为我们节约无数小时的设计和剖析事情。。” 拉多维奇现在正加入费米实验室的NuMI离轴中微子实验（NOVA）。。

机械学习筛查大数据

机械学习已被证实在剖析领域很是乐成。。为了处置惩罚像在LHC内举行的那些现代实验中爆发的海量数据，，，研究职员应用所谓的“触发器”—— 专用的硬件和软件，，，它们能实时决议哪些数据可生涯下来以供剖析，，，哪些数据可以扬弃。。

论文作者之一、麻省理工学院的迈克·威廉姆斯说，，，机械学习算法至少可由做出其中70%的决议。。威廉姆斯现在正加入LHCb 实验，，，该实验可资助科学家展现为何宇宙中物质的数目远远多于反物质的数目。。

 LHC中重大的超环面仪器（ATLAS）与紧凑渺子线圈（CMS ）能发明希格斯玻色子，，，每个探测器都有数百万个传感元件，，，其信号需要放在一起才华获得有意义的效果。。 SLAC的迈克尔· 卡根说道：“这些信号组成了一个重大的数据空间，，，我们需要相识它们之间的关系，，，得出结论，，，例如，，，探测器中某个粒子的轨迹是由电子、光子照旧其他工具爆发。。 ”

 中微子实验也受益于机械学习。。NOVA研究了中微子在穿越地球时怎样从一种类型转变为另一种类型，，，这些中微子振荡可能潜在地展现一种新类型中微子的保存，，，一些理论以为，，，这种中微子是暗物质的粒子。。 NOVA的探测器正在监视中微子撞击探测器质料时爆发的带电粒子，，，并且，，，机械学习算法可以识别它们。。