Caros Leitores;
Uma nova tecnologia de aprendizado de máquina testada por uma equipe internacional de cientistas, incluindo o professor assistente do MIT Philip Harris e o pós-doutorado Dylan Rankin, ambos do Laboratório de Ciências Nucleares, pode identificar assinaturas de partículas específicas em um oceano de dados do Large Hadron Collider (LHC) de um olho.
Sofisticado e rápido, o novo sistema oferece um vislumbre do papel que muda o jogo que a aprendizagem por máquina terá em futuras descobertas na física de partículas, à medida que os conjuntos de dados se tornam maiores e mais complexos.
O LHC cria cerca de 40 milhões de colisões a cada segundo. Com uma quantidade tão grande de dados para filtrar, são necessários computadores poderosos para identificar as colisões que podem ser de interesse para os cientistas, seja, talvez, uma sugestão de matéria escura ou uma partícula de Higgs.
Agora, cientistas do Fermilab, do CERN, do MIT, da Universidade de Washington e de outros países testaram um sistema de aprendizado de máquina que acelera o processamento em 30 a 175 vezes em comparação com os métodos existentes.
Esses métodos atualmente processam menos de uma imagem por segundo. Em contraste, o novo sistema de aprendizado de máquina pode revisar até 600 imagens por segundo. Durante o período de treinamento, o sistema aprendeu a escolher um tipo específico de padrão de partículas pós-colisão.
"Os padrões de colisão que estamos identificando, os quarks superiores , são uma das partículas fundamentais que investigamos no Large Hadron Collider", diz Harris, que é membro do Departamento de Física do MIT. "É muito importante analisarmos o máximo de dados possível. Todos os dados contêm informações interessantes sobre como as partículas interagem."
Esses dados estarão entrando como nunca antes, após as atualizações atuais do LHC estarem concluídas; em 2026, espera-se que o acelerador de partículas de 17 milhas produza 20 vezes mais dados do que atualmente. Para tornar as coisas ainda mais prementes, as imagens futuras também serão tiradas em resoluções mais altas do que são agora. Ao todo, cientistas e engenheiros estimam que o LHC precisará de mais de dez vezes o poder de computação que possui atualmente.
"O desafio da corrida futura", diz Harris, "torna-se cada vez mais difícil à medida que nossos cálculos se tornam mais precisos e nós investigamos efeitos cada vez mais precisos".
Pesquisadores do projeto treinaram seu novo sistema para identificar imagens de quarks top, o tipo mais massivo de partículas elementares, cerca de 180 vezes mais pesado que um próton. "Com as arquiteturas de aprendizado de máquina disponíveis para nós, somos capazes de obter resultados de qualidade científica de alto nível, comparáveis aos melhores algoritmos de identificação de top-quark do mundo", explica Harris. "A implementação de algoritmos de núcleo em alta velocidade nos dá a flexibilidade para melhorar a computação do LHC nos momentos críticos em que é mais necessário."
Fonte: Physics.Org
Obrigado pela sua visita e volte sempre!
Hélio R.M. Cabral
(Economista, Escritor e Divulgador de conteúdos da
Astronomia, Astrofísica, Astrobiologia e Climatologia).
Membro da Society for
Science and the Public (SSP) e assinante de conteúdos científicos da NASA
(National Aeronautics and Space Administration) e ESA (European Space Agency).
Participa
do projeto S`Cool Ground Observation (Observações de Nuvens) que é integrado ao
Projeto CERES (Clouds and Earth´s Radiant Energy System) administrado pela
NASA. A partir de 2019, tornou-se membro da Sociedade Astronômica
Brasileira (SAB), como astrônomo amador.
Participa também do projeto The Globe Program / NASA
Globe Cloud, um Programa de Ciência e Educação Worldwide, que também tem o
objetivo de monitorar o Clima em toda a Terra. Este projeto é patrocinado pela
NASA e National Science Fundation (NSF), e apoiado pela National Oceanic and Atmospheric
Administration (NOAA) e U.S Department of State.
e-mail: heliocabral@coseno.com.br
Nenhum comentário:
Postar um comentário