Revolucionarne primjene umjetne inteligencije u CERN-u otkrivaju neravnotežu materijala u svemiru
Istraživači Europskog centra za nuklearna istraživanja (CERN) pristupili su revolucionarnom pristupu integrirajući umjetnu inteligenciju (AI) u obradi kompleksnih znanstvenih podataka. Ova fuzija tehnologije i znanosti dovela je do iznenađujućeg otkrića u vezi s ravnotežom materije i antimaterije u svemiru.
Desetljećima je znanstveni konsenzus bio da je stvaranje svemira rezultiralo jednakim količinama materije i antimaterije, načelo koje je ključno za ravnotežu kozmičke energije. Međutim, nova otkrića sugeriraju temeljnu pogrešku u tom vjerovanju. Trenutni dokazi upućuju na zapanjujuću prevlast materije nad antimaterijom od vremena Velikog praska prije otprilike 13,8 milijardi godina.
Problematika koju postavlja ta neravnoteža zbunila je fizičare, budući da prevalentni Standardni model čestične fizike ne nudi zadovoljavajuća objašnjenja. Stoga istrage u ovom asimetričnom fenomenu i dalje traju.
Pogled u Mezonovo miješanje u CERN-u
Veliki hadronski sudarač (LHC), monstrum za fiziku čestica CERN-a, bio je pozornica za promatranje mezona, koji su subatomske čestice sastavljene od jednakog broja kvarkova i antikvarkova. Znanstvenici su proučavali mehanizam transformiranja mezona u njihove antimaterijske ekvivalente i obrnuto.
Ovo znanstveno ispitivanje usmjereno je na uspoređivanje količina čestica prije raspada s omjerima koji se javljaju u različitim razmacima tijekom procesa miješanja. Kako bi razlikovali mezone od antimezona, stručnjaci iz CERN-a koristili su ‘Označavanje okusa’, metodu nadograđenu naprednim AI algoritmom.
Potreba umjetne inteligencije u suvremenoj fizici
Koristeći algoritam umjetne inteligencije, znanstvenici CERN-a učinkovito su obradili uzorke koji uključuju 500 000 raspada čestica Starno Lijepog Mezona u parove mjona i naboja kaona. Ovaj mezon sastoji se od čudnog kvarka i dna antikvarka, dok su mjoni i kaoni teži rođaci elektrona i vrste mezona, između ostalog.
Ovaj algoritam, oblikovan kao grafikon neuronske mreže, spretno je razlikovao karakteristike agregirajući podatke o okolnim česticama i onima koji su rezultat raspada.
Podaci, sačinjeni iz drugog LHC-ovog pokretanja, u kombinaciji s podacima prethodnog pokretanja, upućivali su na znatnu razliku u simetriji između materije i antimaterije, odstupajući od nule što bi upućivalo na jednake proporcije. Rezultati nisu samo odjekivali predviđanjima Standardnog modela, već su se također poklopili s nalazima iz drugih CERN-ovih eksperimenata poput ATLAS-a i LHCb-a. Nadalje, dosegli su statistički značajni prag priznat među…
*Message truncated*