از 30 آوریل تا 3 مه، بیش از 300 محقق فیزیک بنیادی در آمستردام برای اولین نسخه گردهم خواهند آمد. کنفرانس EUCAIFابتکاری با حمایت کنسرسیوم های APPEC، NuPecc و ECFA که هدف آن ساختاردهی فعالیت های تحقیقاتی آینده اروپا در زمینه فیزیک بنیادی با فناوری های هوش مصنوعی است.
گروه ما، به رهبری ساشا کارون و کریستوف ونیگر از دانشگاه آمستردام، شاهد مشارکت چندین دانشمند برجسته است که در زمینه های فیزیک نظری، فیزیک تجربی در شتاب دهنده های ذرات، آشکارسازهای امواج گرانشی، فیزیک هسته ای و نوترینو و فیزیک کار می کنند. ذرات نجومی ما کنفرانس EUCAIF را به عنوان سکوی راه اندازی برای تلاش هماهنگ تر برای سازماندهی کاربرد روش های هوش مصنوعی برای دستیابی به اهداف تحقیقاتی خود سازماندهی کردیم، زیرا متوجه شدیم که یک گام کیفی رو به جلو با بهره برداری از هم افزایی موجود در تنظیمات مشکلی که فقط به ظاهر متفاوت هستند امکان پذیر است.
فیزیکدانان سنت طولانی در حل مسائل و حقایق دارند. با پرسیدن سوالات سخت از خود در مورد ساختار ماده و عملکرد کیهان، میله را برای خود بسیار بالا می گذاریم. این ما را مجبور میکند در صورت وجود از فناوری پیشرفته استفاده کنیم، یا در غیر این صورت آن را از نو اختراع کنیم: داستان ساخت لولههای شیشهای با خلاء بالا در قرن نوزدهم (که اکتشافات اشعه ایکس را امکانپذیر ساخت) چنین بود. در مورد الکترون، و مطالعه اثر فوتوالکتریک، یا در اطراف توسعه آشکارسازهای سیلیکونی مقاوم در برابر تشعشع (که برای مثال در تشخیص کوارک بالایی نقش دارند).
به همین ترتیب، تا حدود دهه 1980، نیازهای محاسباتی پیچیده شتابدهندههای ذرات، فیزیکدانان را ملزم میکرد تا متخصص نرمافزار شوند و مهارتهای برنامهنویسی کامپیوتری بالایی را توسعه دهند، و همچنین به عنوان توسعهدهندگان سختافزار محاسباتی سفارشی دو چندان شوند. با این حال، پس از آن، مشخص شد که زمان ما بهتر است در جاهای دیگر سرمایهگذاری شود، و رایانههای آماده ارزانترین و کاربردیترین راه برای ابزارسازی آزمایشهای ما هستند. اما ما هرگز نوشتن کد (زشت) را متوقف نکردیم!
امروز، روند مشابهی با فناوری جدید در شهر – هوش مصنوعی – در حال رخ دادن است. ما در 40 سال گذشته از تکنیکهای یادگیری ماشینی برای کارهای تجزیه و تحلیل دادههای خود استفاده کردهایم، و هنوز هم این کار را میکنیم (و ما آن را بسیار دوست داریم)، اما همچنین میدانیم که دستاوردهای عظیم حاصل از پیشرفتهای جدید هوش مصنوعی تأثیر برشی بین آنچه اگر شما منابع عظیم گوگل، OpenAI و دیگر بازیگران بزرگ را در اختیار داشته باشید، می توانیم خودمان و آنچه ممکن می شود انجام دهیم.
برای پر کردن این شکاف و فراهم کردن دسترسی علوم پایه به فناوریهای پیشرفته هوش مصنوعی، برخی از ما سعی میکنیم با علاقهمند کردن دانشمندان به مشکلات خاص خود و ایجاد تلاشهای مشترک پایدار، با دانشمندان رایانه ارتباط برقرار کنیم. از آنجا که مشکلات ما به نوعی خاص هستند – معمولاً نمی توان آنها را به سادگی با دانلود نسخه بعدی LLama یا یک مدل زبان بزرگ دیگر حل کرد. آنچه که ما نیاز داریم، بینش متخصص در مورد اینکه بهترین راهها برای استفاده از فناوریهای جدید موجود چیست و چگونه اطمینان حاصل کنیم که تحقیقات ما قادر به استفاده از آنها در آینده است، است.
سهم کوچک من در موارد فوق، تأسیس سازمان بود همکاری با MODE، چهار سال پیش. با چندین همکار در تعداد انگشت شماری از مؤسسات در اروپا و ایالات متحده، ما شروع به کار بر روی نحوه استفاده از ابزارهای یادگیری عمیق – که توسط زبان های برنامه نویسی قابل تمایز ارائه می شود – برای ایجاد مدل های کامل از آزمایش های خود شروع کردیم. ایده این است که امروزه می توان یک آشکارساز ذرات را به گونه ای طراحی کرد که نه تنها خوب باشد، بلکه بهترین آشکارساز ممکنی باشد که می توانید برای یک کار خاص بسازید. برای انجام این کار، شما باید همه چیز را در نظر بگیرید، از فرآیندهای فیزیکی که اطلاعاتی را که می خواهید جمع آوری کنید، هندسه و عملکرد ابزارهای تشخیص شما، تا نرم افزاری که اطلاعات را استخراج می کند و نتایج نهایی را تولید می کند، در نظر بگیرید.
MODE به بیش از 40 عضو از حدود 30 موسسه در سه قاره افزایش یافته است و ما لیست طولانی از پروژههایی داریم که در حال توسعه هستیم که در آن هدف ما بهینهسازی طراحی کلی ابزارهای علوم بنیادی – از توموگرافی میون، کالریسنج هادرون، تا زمینی است. آرایه های تشخیص پرتوهای گاما، به آشکارسازهای آینده برای برخورددهنده میون. ما همچنین در حال بهره برداری از پتانسیل الگوهای محاسباتی کاملاً جدید، مانند محاسبات نورومورفیک هستیم.
اما تلاشهای MODE تنها بر روی یک منطقه باریک از کهکشان مشکلات متمرکز شده است که محققان علوم پایه میخواهند با هوش مصنوعی حل کنند. EUCAIF با فراخوانی از همه فیزیکدانان جوان که اهمیت هوش مصنوعی در علم را درک می کنند، فرصتی برای سازماندهی تلاش های خود برای حفظ دسترسی به روش های پیشرفته هوش مصنوعی است. البته، این تنها در صورتی می تواند اتفاق بیفتد که ما محققان هوش مصنوعی را در این تلاش مشارکت دهیم و این بخش چالش برانگیزی از برنامه ما است.
در EUCAIF، من ریاست یکی از چهار گروه کاری را که در آینده شناسایی کردهایم، بر عهده خواهم داشت، که کنفرانس آغازگر آن خواهد بود. کارگروه تحت عنوان “طراحی مشترک آشکارسازهای زمینی و فضایی آینده با کمک هوش مصنوعی“، و سه موضوع تعیین کننده ای که حول آن سازماندهی خواهد شد به شرح زیر است:
1) “پارادایم های طراحی ابزار فیزیک ذرات و اختر ذرات موجود که در عصر هوش مصنوعی منسوخ شده اند را شناسایی کنید و استراتژی های نرم افزاری و مسیرهای تحقیقاتی را برای غلبه بر آنها جمع آوری کنید.”
2) “از توسعه ابزارهای شبیه سازی که ابزاری برای طراحی مشترک رویکردهای بهینه سازی کل نگر برای موارد استفاده آشکارساز در HEP، astro-HEP، فیزیک هسته ای و نوترینو هستند، حمایت کنید.”
3) “درک محدودیت های فیزیکی اطلاعات تولید شده توسط فعل و انفعالات ذرات در کالریمترهای دانه ای و شرایط استخراج بدون تلفات آن به عنوان گامی مقدماتی برای هیبریداسیون کالریمترها و آشکارسازهای ردیاب به کمک هوش مصنوعی در سیستم های چگالی متغیر بهینه”.
همانطور که می بینید، برای رسیدن به این هدف در سال های آینده دست پر خواهیم داشت! من مشتاقانه منتظر بحث اولیه ای هستم که بعدازظهر سه شنبه آینده در مورد چگونگی شروع خواهیم داشت…