← 最新论文
⚛️ 高能实验

A Reinforcement Learning Method to Navigate SMEFT Operator Space

本文提出了一种强化学习框架,该框架能够高效地在标准模型有效场论(SMEFT)算符的巨大组合空间中进行导航,以发现多样且高质量的多算符理论,从而显著改善对粒子物理数据的全局拟合。

原作者: Jacky Kumar

发布于 2026-11-17
📖 1 分钟阅读🧠 深度阅读

原作者: Jacky Kumar

原始论文采用 CC BY 4.0 许可(http://creativecommons.org/licenses/by/4.0/)。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

在现代物理学的广袤版图中,标准模型是一项伟大的成就,它是一个成功的数学框架,描述了宇宙中的基本粒子如何相互作用。它以惊人的精度解释了物质和能量在广泛尺度上的行为。然而,这一理论并非终点。它无法解释暗物质的存在、中微子质量的起源,以及允许我们的宇宙形成的物质与反物质之间的不平衡。物理学家怀疑,在现有机器的研究范围之外,存在着更重的未知粒子,但在直接观测到它们之前,科学家必须寻找它们的“影子”。这些影子表现为已知粒子行为中极其微小且微妙的偏差,即实验测量值与标准模型的预测值之间出现了轻微的漂移。为了在不猜测新物理学确切性质的情况下理解这些差异,研究人员使用了一种被称为“标准模型有效场论”的灵活工具。这种方法就像是一个通用翻译器,允许科学家利用一个庞大的数学项目录(称为算符)来描述未知重粒子的潜在影响,这些算符可以进行混合与匹配,以拟合实验数据。

挑战在于这个目录的规模之大。在当前实验所需的细节水平上,有近千个可能的算符需要考虑。问题不仅在于寻找这些项的正确数值,还在于确定哪些项甚至应该被包含进来。因为单个算符可以同时影响许多不同的测量结果,且这些效应是深度相互关联的,因此可能的组合数量呈爆炸式增长。试图通过人工测试每一种组合是不可能的,而仅仅随机猜测集合也是低效的。在一项新的研究中,来自蒙特利尔大学的杰基·库马尔(Jacky Kumar)开发了一种基于计算机的方法来导航这一复杂的空间。通过将寻找正确算符组合的过程视为一种序列决策游戏,研究人员训练了一个人工智能智能体,使其学习如何构建比仅靠标准模型更能拟合数据的理论。

该方法依赖于一种称为强化学习的技术,在这种技术中,智能体通过试错来学习,就像玩家掌握复杂的策略游戏一样。在这种情况下,智能体的目标是通过每次向不断增长的列表中添加一个算符来构建一个理论。在每次添加之后,系统会计算新理论与特定实验数据集的匹配程度。如果添加的操作改善了匹配度,智能体会获得奖励;如果使情况变差,则会受到惩罚。至关重要的是,智能体不仅仅是在寻找单一的最佳答案。研究人员设计的系统同时也重视多样性以及质量。这意味着智能体被鼓励去探索不同的路径,并发现大量各具特色的、都能很好拟合数据的不同理论,而不是困于某一个解。该智能体使用一个轻量级的神经网络——一种拥有约4万个可调参数的计算机“大脑”——来进行决策。这个网络足够小,可以在标准计算机处理器上高效运行,从而避免了对大规模超级计算机的需求。

为了测试这种方法,研究人员创建了一个具有挑战性的模拟实验,涉及粒子物理学各个领域的132种不同物理测量,包括重粒子的行为和不稳定原子的衰变。在该数据集中,有24项测量显示出与标准模型的显著偏差,为智能体制造了一个复杂的谜题。研究人员将该学习智能体的表现与两种更简单的方法进行了对比:一种是完全随机选择算符,另一种是按照相同的逐步规则但以随机顺序添加算符。结果非常明确。经过训练的智能体在寻找高质量理论方面效率更高。它成功构建了26组截然不同的算符集合,这些集合显著改善了与数据的吻合度,每一组都代表了解决该谜题的不同结构化方案。相比之下,随机方法在相同时间内找到的可行组合明显较少,这凸显了强化学习策略在搜索效率和多样性方面的优越性。

这项研究表明,人工智能可以系统地探索新物理学的广阔可能性,而不会产生人为偏见。通过学习识别哪些算符能够良好协作以及哪些算符会相互抵消,智能体发现了人类可能会忽略的模式。研究人员发现,不同的算符组合可以同样好地解释同一组数据,这种现象被称为“简并”。识别这些多种可能性至关重要,因为这有助于物理学家了解所有可能成立的理论全貌,而不是仅仅满足于其中之一。这项工作并不声称已经发现了这些新粒子本身,但它提供了一个用于缩小搜索范围的强大新工具。研究中使用的代码和数据均已向公众开放,允许其他科学家将此方法应用于他们自己的研究问题中。随着实验数据变得越来越精确,这种自动化的、系统性的探索将很可能成为物理学家揭示隐藏宇宙法则的重要手段。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →