最新的物理学，寻找新物理学的关键在于社交网络

最新的物理学，寻找新物理学的关键在于社交网络物理学副教授Jesse Thaler是这篇论文的作者之一，他与同事将研究焦点专注于开发可用于分析大型强子对撞机以及其他粒子对撞机设备的公开数据的技术，希望能借此挖掘出一些人们还没有注意到的有趣的物理现象。早在2017年，他们就将“社交网络”分析方法应用到了一个巨大的数据集上。2.科学家要做的就是从海量的碰撞数据中找出一些古怪的、与理论预期不符的奇怪模式，这些奇怪的“特征”有可能预示着新的新物理学。而这种数据筛选是这项研究中最棘手的挑战。现在，麻省理工学院（MIT）的物理学家找到了一种基本上能自动完成这类搜索的新方法。这种方法是基于两个相似的撞击事件彼此之间的关系，是一种能确定这两个碰撞事件对之间相似程度的技术。通过这种方法，他们可以估算在LHC等大型加速器中发生的数十万次粒子碰撞事件的关系，再根据这些事件的相似程度创建出一个事件的几何地图。得到的几何地图被称为“碰撞网络”，它类似于复杂的社

​1.

当两个质子相撞时，它们会释放出如烟火般绚烂的粒子喷流。这些喷流的细节能帮助物理学家理解物理学的本质，以及控制了整个宇宙的基本力。如大型强子对撞机（LHC）这样的巨型粒子加速器就能将粒子加速至接近光速并撞击在一起，它们每分钟能产生高达数十亿次的粒子碰撞。

物理学家可以通过这些碰撞的粒子留下的电子信号，精确地识别出哪些粒子是在高能碰撞中产生的。例如，夸克只能存在不到一秒钟的时间，就会衰变成其他次级粒子；而由于每一个夸克都有多种不同的衰变方式，所以会有几种可能的特征，因此物理学家必须仔细检查每一种可能，才能确定哪些粒子在碰撞时存在。

○ 顶夸克对的可能迹象，图中显示的轨迹是由碰撞中产生的两个顶夸克的衰变形成的。| 图片来源：Fermilab

科学家要做的就是从海量的碰撞数据中找出一些古怪的、与理论预期不符的奇怪模式，这些奇怪的“特征”有可能预示着新的新物理学。而这种数据筛选是这项研究中最棘手的挑战。

现在，麻省理工学院（MIT）的物理学家找到了一种基本上能自动完成这类搜索的新方法。这种方法是基于两个相似的撞击事件彼此之间的关系，是一种能确定这两个碰撞事件对之间相似程度的技术。通过这种方法，他们可以估算在LHC等大型加速器中发生的数十万次粒子碰撞事件的关系，再根据这些事件的相似程度创建出一个事件的几何地图。

得到的几何地图被称为“碰撞网络”，它类似于复杂的社交网络。这是首个将大量的粒子碰撞相互关联起来的技术，研究人员将这种方法发表在了在近期的《物理评论快报》上。

2.

物理学副教授Jesse Thaler是这篇论文的作者之一，他与同事将研究焦点专注于开发可用于分析大型强子对撞机以及其他粒子对撞机设备的公开数据的技术，希望能借此挖掘出一些人们还没有注意到的有趣的物理现象。早在2017年，他们就将“社交网络”分析方法应用到了一个巨大的数据集上。

这是一个包含了LHC里的约3亿次的质子碰撞的数据集，这些数据被公开的发布到了网上。能接触到这些公共数据对科学研究来说是一件非常有益的事，但要从海量的数据中筛选出究竟发生了什么却令人生畏。他们想要证明利用这种新的方法，可以让堆积如山的信息也变得有意义。

○ LHC的CMS探测器内的碰撞，产生了一个希格斯玻色子的迹象。| 图片来源：Thomas McCauley & Lucas Taylor / CMS

通常，物理学家会基于理论预测来寻找数据中出现的特定模式或能量的碰撞。例如希格斯玻色子就是这样被发现的。这是一种由标准模型预测的基本粒子，在确定它的存在之前，我们就已经在理论上对它的性质有了非常详细的描述，但直到2012年才真正的观测到。当时的物理学家已经大致知道该寻找什么，最终在数万亿次的质子碰撞中发现了隐藏在其中的希格斯玻色子的特征。

但是，如果粒子表现出的行为超出了标准模型的预测，因而物理学家没有理论可参考，那又会怎样呢？最新的方法有一个特别适合寻找现有理论之外的新物理学的特点，那就是物理学家能在不用提前知道他们寻找的是什么特征的情况下，就可以对碰撞数据进行筛选。

新方法的基本思想是将许多不同的事件进行相互比较，而不是去逐个分析。他们的想法是，通过识别出哪些是更典型的事件，哪些不那么典型，或许可以挑选出那些有趣、意外的异常值。换句话说，他们所做的是要对新物理或非新物理持有一种不可知的态度，让数据自己说话。

3.

粒子对撞机的数据中充斥着高达数十亿次的质子对撞，每一次质子对撞都含有粒子喷射。研究人员意识到，这些喷射在本质上其实就是点云，即点的集合，因此可以将碰撞产生的粒子喷射模拟成点云。这种方法能使物理学家清楚地识别哪些是典型的行为，从而更容易地找出潜伏在碰撞网络边缘的异常值。

新方法的关键在于一种算法，这种算法基于“地动距离”这一抽象的概念，能计算出将一对点云中的一个转换成另一个点云的过程所需的最优能量或“功”是多少。如果需要大量的能量才能重新排列成另一个点云，那么就会认为它们之间有更远的距离。

○ 从CMS公开数据中得到的三个粒子碰撞事件，它们形成了一个三角形，表示一个抽象的“事件空间”。这张动图描述了如何从一个喷射最优地重新排列成另一个喷射。| 图片来源：MIT News

研究人员将这个想法应用到了LHC的公开数据中，构建了一个由10万对碰撞事件组成的社交网络，并根据它们之间的“距离”或者说相似性，为每对碰撞事件分配一个数字。然后，他们将每个点云视为一个点，并将这些点排列在某个社交网络中。通过将碰撞的数据集视为网络，科学家能够快速地标记出可能发生在网络边缘的有趣事件。

典型的对撞机公开数据集通常包括数百万个事件，这些事件是预先从粒子加速器中任何给定时刻发生的数十亿次碰撞的原始混沌中挑选出来的。现在，研究小组正在研究如何将他们的技术扩大到可以构建更大的网络，从而能潜在地可视化一个粒子碰撞数据集的整体“形状”或一般关系。

Thaler想要在已知的历史数据上进一步测试该团队的技术，比如重新发现顶夸克(1995年首次观测到)。

Thaler表示，在不久的将来，他希望能在已知的历史数据上进一步测试该团队的技术，比如重新发现在1995年发现的顶夸克。这是所有已知基本粒子中质量最大的。Thaler认为，如果他们可以在不需要知道要寻找什么新的物理现象的情况下，用新的技术重新发现档案数据中的顶夸克，这将会是非常振奋人心的结果：“它能让我们更有信心地将新的方法应用到目前的数据集中，去发现更多奇异的物体。”

参考来源：

https://arstechnica.com/science/2019/07/mit-physicists-social-networks-could-hold-the-key-to-finding-new-particles/

http://news.mit.edu/2019/new-physics-anomalous-particles-0726