За время, нужное чтобы прочесть это предложение, Большой адронный коллайдер (LHC) успеит столкнуть миллиарды частиц друг с другом. Скорее всего, результат окажется таким же, как вчера: дополнительные подтверждения Стандартной модели физики элементарных частиц.
Инженеры, создавшие этот 27-километровый кольцевой ускоритель, видят в такой стабильности большой успех. Теоретические физики испытывают разочарование. Физика частиц переживает тихий кризис: Стандартная модель описывает известные элементарные частицы и взаимодействия, но не дает полной картины мира. Теоретики выдвигают гипотезы, экспериментаторы возводят огромные установки вроде LHC для их проверки, данные собираются тоннами, однако прорывов нет. Многие ключевые аспекты реальности остаются за пределами понимания.
Исследователи все чаще применяют искусственный интеллект в физике частиц. Задача ИИ не сводится к анализу данных с ускорителей для подтверждения существующих теорий. Модели учат находить необычные сигналы, которые люди просто не могли предвидеть. Без привязки к человеческим идеям неконтролируемый ИИ подчеркивает отклонения от нормы, открывая путь к неизведанным территориям. Выявляя аномалии, ученые надеются наткнуться на признаки новой физики, дополняющей Стандартную модель.
На первый взгляд это может показаться очередной историей о внедрении ИИ в науку. Такие сюжеты часты: ускорение обработки данных или автоматизация рутины в фармацевтике, сельском хозяйстве или мониторинге дикой природы. Полезно, но обычно это лишь небольшие улучшения.
Здесь подход иной. ИИ интегрируется прямо в измерительное оборудование, обнаруживает тонкие закономерности и в реальном времени определяет, что заслуживает внимания. Детекторы LHC фиксируют 40 миллионов столкновений в секунду. Сохранить весь поток невозможно, поэтому с самого начала вводят фильтры: события либо записываются для дальнейшего разбора, либо безвозвратно удаляются. Почти все данные пропадает.
Теперь эти мгновенные выборы все чаще делают системы машинного обучения, работающие на FPGA — полевых программируемых вентильных массивах, подключенных непосредственно к детекторам. Код должен уместиться в ограниченные ресурсы чипа по логике и памяти, а сжатие нейронной сети под такие условия — непростая задача. Один теоретик даже умолял инженера: "Какой из моих алгоритмов влезет на твой FPGA?"
Подобные моменты вписываются в давнюю традицию науки. Новые приборы неоднократно открывали неожиданные грани реальности. Телескоп Галилея показал спутники Юпитера. Ранние микроскопы раскрыли микроскопический мир "животных" — крошечных существ в капле воды. Эти инструменты не просто решали старые загадки, они позволили ставить совершенно новые вопросы.
Если в физике частиц и есть кризис, то дело не только в не найденных частицах. Проблема в преодолении границ человеческого воображения. ИИ вряд ли сразу раскроет тайны Вселенной, зато способен преобразить сам процесс поисков.