Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

CERN 的 Mark Thomson:人工智能将彻底改变基础物理学

Posted on 2025-02-04

ai_64.png

一位匿名读者引用了《卫报》的一篇报道:欧洲核子研究中心下一任总干事表示,先进的人工智能将彻底改变基础物理学,并可能为了解宇宙的命运打开一扇窗户。英国物理学家马克·汤姆森 (Mark Thomson) 教授将于 2026 年 1 月 1 日就任欧洲核子研究中心 (Cern) 领导职务。十月诺贝尔奖。他说,在大型强子对撞机(LHC)中,类似的策略被用来探测极其罕见的事件,这些事件掌握着粒子如何在大爆炸后的最初时刻获得质量以及我们的宇宙是否可能在大爆炸后摇摇欲坠的关键。灾难性崩溃的边缘。 “这些不是渐进式的改进,”汤姆森说。 “人们通过采用非常先进的技术正在做出非常、非常、非常大的改进。” “这对我们的领域来说将是一场巨大的变革,”他补充道。 “这是复杂的数据,就像蛋白质折叠一样——这是一个极其复杂的问题——所以如果你使用人工智能这样极其复杂的技术,你就会赢。”此次干预是在欧洲核子研究中心理事会正在论证未来圆形对撞机的情况下进行的,该对撞机的周长为 90 公里,将使大型强子对撞机相形见绌。一些人对此表示怀疑,因为自 2012 年发现具有里程碑意义的希格斯玻色子以来,大型强子对撞机一直缺乏重磅成果,而且德国称这项 170 亿美元的提案难以承担。但汤姆森表示,人工智能为寻找亚原子尺度的新物理学提供了新的动力,重大发现可能会在 2030 年之后出现,届时重大升级将使大型强子对撞机的光束强度提高十倍。这将使人们能够对希格斯玻色子进行前所未有的观测,希格斯玻色子被称为“上帝粒子”,它赋予其他粒子质量并将宇宙结合在一起。汤姆森现在相信大型强子对撞机可以测量希格斯玻色子自耦合,这是了解粒子在大爆炸后如何获得质量以及希格斯场是否处于稳定状态或可能经历未来转变的关键因素。汤姆森说:“这是宇宙的一个非常深刻的基本属性,我们还没有完全理解。如果我们看到希格斯自耦合与我们当前的理论不同,那将是另一个巨大的发现。而你直到你测量之后才知道。”该报告还指出了人工智能如何应用于“大型强子对撞机操作的各个方面”。从事大型强子对撞机 Atlas 实验的凯瑟琳·莱尼 (Katharine Leney) 博士表示:“当大型强子对撞机碰撞质子时,它每秒会发生大约 40m 的碰撞,我们必须在一微秒内做出决定……哪些事件是我们想要的有趣的事情现在,我们对收集到的数据的处理能力已经比十年前想象的要好 20 倍,所以我们已经取得了进步。至少 20 年,这很大程度上归功于人工智能。”生成式人工智能还被用来通过大型强子对撞机寻找甚至产生暗物质。 “你可以开始提出更复杂、开放式的问题,”汤姆森说。 “你不是寻找特定的签名,而是提出这样的问题:‘这些数据中有什么意外的东西吗?’”

twitter_icon_large.png facebook_icon_large.png

在 Slashdot 上阅读这个故事的更多内容。

原文: https://science.slashdot.org/story/25/02/04/0015227/cerns-mark-thomson-ai-to-revolutionize-fundamental-physics?utm_source=rss1.0mainlinkanon&utm_medium=feed

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Alin Panaitiu
  • Anil Dash
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brandon Skerritt
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Herman Martinus
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • PostHog
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme