เมื่อต้นสัปดาห์ที่ผ่านมา เราได้รับข่าวประชาสัมพันธ์การห้ามค้าขายที่น่าสงสัยจากการทำงานร่วมกันของ XENONเกี่ยวกับการพิมพ์ล่วงหน้าที่พวกเขาได้โพสต์ไปยังเซิร์ฟเวอร์arXiv ทีมงานได้วัดเหตุการณ์การตรวจจับส่วนเกินในเครื่องตรวจจับสสารมืด ซึ่งวิ่งลึกใต้ภูเขาเป็นเวลาสองปีที่ห้องปฏิบัติการแห่งชาติ ในอิตาลี ทีมงานไม่ได้กล่าวอย่างชัดเจนว่านี่เป็นการตรวจจับสสารมืดโดยตรงเป็นครั้งแรก
ซึ่งเป็นสสาร
ลึกลับที่ประกอบด้วยมวลส่วนใหญ่ในเอกภพ พวกเขากำลังเสนอว่าส่วนเกินอาจเกิดจาก จากดวงอาทิตย์ ซึ่งเป็นอนุภาคสมมุติฐานซึ่งการมีอยู่ไม่ได้ถูกทำนายของฟิสิกส์ของอนุภาคข้อเสนอแนะอีกประการหนึ่งจากทีมงานคือส่วนเกินเกิดจากการตรวจพบนิวตริโนโดยไม่คาดคิด นี่อาจหมายความว่าความเข้าใจ
ในปัจจุบันของเราเกี่ยวกับนิวตริโนยังบกพร่อง เช่น พวกมันอาจมีโมเมนต์แม่เหล็กมากกว่าที่แบบจำลองมาตรฐานทำนายไว้ในปัจจุบัน ซึ่งก็น่าสนใจเช่นกันไอโซโทปจำนวนเล็กน้อยคำอธิบายทั่วไปก็คือว่าส่วนเกินนั้นเกี่ยวข้องกับการสลายตัวของสารกัมมันตภาพรังสีของไอโซโทปจำนวนน้อยมากที่สามารถเข้าไป
ในเครื่องตรวจจับได้ ซึ่งประกอบด้วยซีนอนบริสุทธิ์พิเศษหนัก 2 ตันแต่ฟิสิกส์ไม่ใช่เหตุผลที่เราคิดว่าข่าวประชาสัมพันธ์เป็นเรื่องน่าสงสัย สิ่งหนึ่งคือการพิมพ์ล่วงหน้ายังไม่ได้รับการตรวจสอบโดยผู้เชี่ยวชาญภายนอกก่อนที่จะเผยแพร่ แม้ว่าฉันจะไม่สงสัยเลยว่าสิ่งนี้จะต้องเสร็จสิ้นในเวลาอันควรและบทความ
จะได้รับการเผยแพร่ ประการที่สองคือจากมุมมองทางสถิติ ส่วนเกินอาจเป็นความผันผวนแทนที่จะเป็นของจริง โดยปกติจะต้องมีนัยสำคัญทางสถิติที่ 5σ หรือมากกว่าเพื่ออ้างสิทธิ์ในการค้นพบฟิสิกส์ของอนุภาค ในขณะที่ค่า 3.5σ หรือน้อยกว่านั้นถูกยกมาสำหรับสมมติฐานแกน, นิวตริโน และทริเทียม
ด้วยเหตุนี้ เราจึงส่งต่อข่าวเกี่ยวกับเรื่องนี้อย่างเร่งรีบ ดังนั้นบางทีเราอาจพลาดความตื่นเต้นทั้งหมดไป และใครจะรู้ บางทีผู้สืบทอดจาก XENON1T อาจจะค้นพบแกนสุริยะในกรณีนี้ เราทราบพฤติกรรมของการผสมผสานวัสดุบางอย่าง และสิ่งที่เราต้องการทำนายเป็นหลักคือคุณสมบัติของสูตรอื่นๆ ที่เป็นไปได้
ทั้งหมด
อย่างไรก็ตาม ความมั่นใจในการคาดการณ์คุณสมบัติของวัสดุที่กำหนดนั้นขึ้นอยู่กับว่าพื้นที่ใกล้เคียงนั้นเป็นที่รู้จักดีเพียงใด ดังนั้น สำหรับการทำนายแต่ละครั้ง ยังวัดปริมาณแถบข้อผิดพลาดที่เกี่ยวข้องกับทุกค่าที่คาดไว้อีกด้วยดังนั้นจึงสามารถระบุภูมิภาคที่ขาดความรู้ได้ และระบบสามารถแนะนำการทดลอง
ที่ทำกำไรสูงสุดให้ทำต่อไป เป็นแนวทางที่แปลกใหม่ “โดยทั่วไปแล้ว ในวัสดุศาสตร์ วิธีการดำเนินการทดลองนั้นมีความลำเอียงโดยสัญชาตญาณของนักวิทยาศาสตร์ที่ดำเนินการทดลอง” บาลาชานดรานกล่าวและเพื่อนร่วมงานในสหรัฐอเมริกาและจีนเพิ่งแสดงให้เห็นถึงผลสำเร็จของแนวทางนี้
โดยการค้นพบชุดของ “โลหะผสมจำรูปร่าง” ที่มีประสิทธิภาพสูงจากองค์ประกอบที่เป็นไปได้เกือบล้านองค์ประกอบ วัสดุดังกล่าวมีประโยชน์เพราะเปลี่ยนรูปเมื่อเปลี่ยนเฟสเมื่อให้ความร้อนหรือเย็นลง อุณหภูมิของการเปลี่ยนเฟสขึ้นอยู่กับทิศทางของการเปลี่ยนแปลง โดยความแตกต่างนี้
ฮีสเทอรีซิสทางความร้อน เป็นตัวกำหนดการใช้งานที่โลหะผสมนั้นเหมาะสม กลุ่ม ให้ความสนใจเป็นพิเศษกับวัสดุที่มีฮิสเทรีซิสทางความร้อนที่เล็กที่สุดเท่าที่จะเป็นไปได้ และพบว่าเกือบครึ่งหนึ่งของโลหะผสมไม่กี่โหลที่พวกเขาสังเคราะห์บนพื้นฐานของการคาดคะเนของเครื่องจักรนั้นดีกว่าตัวอย่างที่ดี
ที่สุดในปัจจุบันการสำรวจพื้นที่อันไม่มีที่สิ้นสุดของคุณสมบัติของวัสดุอาจเป็นหนึ่งในกิจกรรมเหล่านั้นที่ เยาะเย้ยว่าเป็นเพียง “การสะสมแสตมป์” แต่อาจเป็นกุญแจสำคัญในการค้นพบฟิสิกส์ใหม่ “ในอีก 5-10 ปีข้างหน้า เราต้องการไปให้ไกลกว่าความสัมพันธ์และเริ่มคิดเกี่ยวกับสาเหตุ” กล่าว
“คุณต้องมีข้อมูลประเภทที่ถูกต้องเพื่อสำรวจแนวคิดของสาเหตุเอง ในความคิดของฉัน เรามีทางแก้ในส่วนนั้นของปริศนา และเรารู้วิธีค้นหาตัวอย่างที่เป็นตัวแทนสำหรับปัญหาใดก็ตามที่เราสนใจ อย่างรวดเร็ว”สถิติ สถิติ สถิติแม้ว่าเทคนิคแมชชีนเลิร์นนิงจะให้ผลลัพธ์ที่เป็นรูปธรรมและข้อมูลเชิงลึก
ในฟิสิกส์ทางการแพทย์ ควอนตัมและวัสดุซึ่งไม่สามารถทำได้ด้วยวิธีอื่น แต่ความก้าวหน้าในฟิสิกส์เชิงสถิติกลับไม่ชัดเจนผู้ซึ่งศึกษาทฤษฎีการเรียนรู้ของเครื่องในฝรั่งเศสกล่าวว่า “เรายังคงรอตัวอย่างใหญ่ที่ชุมชนจะเห็นพ้องต้องกันว่าเราจะไม่ทำสำเร็จหากไม่มีแมชชีนเลิร์นนิง”
แน่นอนว่า
มีการพัฒนาที่น่าสนใจในด้านฟิสิกส์สถิติ กล่าวว่าเทคนิคเหล่านี้ยังไม่ได้นำไปใช้ที่ชายแดนของสนาม เธอชี้ไปที่เอกสารหลายสิบฉบับที่ใช้โครงข่ายประสาทเทียมเพื่อศึกษาโมเดลต่างๆ เช่น โมเดล Ising 2 มิติ ซึ่งอธิบายปฏิสัมพันธ์ระหว่างอนุภาคที่หมุนบนตาข่าย 2 มิติ แต่กล่าวว่าจนถึงขณะนี้
ยังไม่มีใครบอกอะไรที่เป็นพื้นฐานใหม่แก่เราอาจเป็นเรื่องน่าผิดหวังที่แมชชีนเลิร์นนิงยังไม่ได้ขับเคลื่อนความก้าวหน้าทางฟิสิกส์เชิงสถิติ แต่ความรู้และข้อมูลเชิงลึกกำลังไหลไปในทางอื่นอย่างแน่นอน ตัวอย่างเช่น ลองนึกภาพโครงข่ายประสาทเทียมที่จำเป็นในการระบุภาพ แต่ละภาพจะมีข้อมูลจำนวน
มาก (พิกเซล) และมีสัญญาณรบกวน (เนื่องจากภาพใดก็ตามจะถูกปิดบังด้วยคุณสมบัติที่ไม่เกี่ยวข้องจำนวนมาก) และจะมีความสัมพันธ์ระหว่างน้ำหนักที่แตกต่างกันในเครือข่ายน่ายินดีที่ปัญหาหลายมิติ เสียงดัง และสัมพันธ์กันเป็นเพียงสิ่งที่นักฟิสิกส์เชิงสถิติได้เรียนรู้วิธีรับมือตั้งแต่กลางศตวรรษที่แล้ว
“ลองนึกถึงทฤษฎีที่ว่าฟิสิกส์ได้พัฒนาขึ้นในระบบที่ไม่เป็นระเบียบ” ผู้ซึ่งมีภูมิหลังเกี่ยวกับแม่เหล็กที่ไร้ระเบียบชนิดใดชนิดหนึ่งซึ่งรู้จักกันในนามของแว่นหมุนกล่าว ระบบดังกล่าวมีอนุภาคจำนวนมาก (เช่น มีหลายขนาด) มีอุณหภูมิจำกัด (เช่น มีเสียงดังจากความร้อน) และมีอันตรกิริยาระหว่างอนุภาคจำนวนมาก (เช่น มีความสัมพันธ์กันมากมาย) อันที่จริง ในบางกรณี
Credit : ฝากถอนไม่มีขั้นต่ำ / สล็อตแตกง่าย