Newsy

Polscy naukowcy chcą odkryć zasady funkcjonowania Wszechświata. W pracy wspierają ich algorytmy sztucznej inteligencji i uczenie maszynowe

2021-01-18  |  06:00
Mówi:dr hab. inż. Tomasz Trzciński
Funkcja:adiunkt na Wydziale Elektroniki i Technik Informacyjnych
Firma:Politechnika Warszawska

Zespół polskich naukowców w ramach eksperymentu ALICE w Wielkim Zderzaczu Hadronów w CERN bada algorytmy sztucznej inteligencji wyspecjalizowane w analizie nieuporządkowanych zbiorów Big Data. W ten sposób badacze chcą nie tylko poznać zasady funkcjonowania Wszechświata w skali kwantowej, lecz także usprawnić procesy analizy informacji giełdowych oraz przetwarzanie szerokiego zasobu danych na potrzeby sektora medycznego.

– Badanie oddziaływań między silnie działającymi na siebie cząstkami oparte na korelacji i uczeniu maszynowym to projekt w ramach eksperymentu ALICE w Wielkim Zderzaczu Hadronów w CERN. We współpracy między wieloma jednostkami badawczymi analizowane są kwarki, podstawowe cząstki budujące materię. Nasza grupa stara się odgadnąć i odpowiedzieć na fundamentalne pytania dotyczące tego, z czego powstał Wszechświat, jak po Wielkim Wybuchu wyglądały oddziaływania między ciężkimi kwarkami i jak one ze sobą rozmawiały, tworząc w efekcie wielu przemian dzisiejszą Ziemię w takim stanie, w jakim ona jest – mówi agencji informacyjnej Newseria Innowacje dr hab. inż. Tomasz Trzciński, adiunkt na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej.

Choć nadrzędnym celem projektu „Badanie fundamentalnych własności materii jądrowej w eksperymencie ALICE na Wielkim Zderzaczu Hadronów LHC w CERN” było pozyskanie wiedzy na temat procesów fizycznych zachodzących we wnętrzach gwiazd neutronowych, doświadczenia przeprowadzane w ramach tego programu pozwolą usprawnić proces przetwarzania i analizy dużych, chaotycznych zbiorów informacji.

Eksperymenty przeprowadzone przez polski zespół dowiodły, że zastosowanie narzędzi z zakresu uczenia maszynowego pozwala algorytmom sztucznej inteligencji sprawniej wyszukiwać błędne informacje w obszernych zasobach Big Data. Tym samym dane pozyskane i przetworzone przy wykorzystaniu technologii modelowania generatywnego charakteryzują się wyższą precyzją niż te analizowane za pośrednictwem klasycznych narzędzi badawczych.

– W ramach grantu zajmujemy się wykorzystaniem i rozwojem metod uczenia maszynowego takich jak sieci neuronowe. Eksperyment daje jako rezultaty terabajty danych, które są zbierane podczas zderzeń dwóch wiązek pod ziemią. Kiedy zbieramy te dane w ramach detektorów rejestrujących pole magnetyczne, okazuje się, że część z nich jest nieprawidłowa, wykazuje jakieś anomalie. Standardowym podejściem jest modelowanie tych procesów przy użyciu symulacji takich jak Monte Carlo, ale te symulacje są obciążające, dlatego staramy się wykorzystać modele generatywne, żeby ten proces przyspieszyć – tłumaczy ekspert.

W trakcie projektu zapoczątkowanego w 2017 roku udało się opublikować szereg prac naukowych przybliżających wykorzystanie algorytmów sztucznej inteligencji do katalogowania danych, wychwytywania anomalii oraz nieregularności w zasobach Big Data. Praca Polaków doprowadziła m.in. do upowszechnienia modeli generatywnych w algorytmach wykorzystywanych przez fizyków w procesie analizy rezultatów badań na potrzeby publikacji w takich magazynach naukowych jak „Nature”. Technologię tę wykorzystano m.in. w trakcie prac nad artykułem poświęconym dziwnym kwarkom oraz oddziaływań, jakie zachodzą między nimi.

O potędze algorytmów uczenia maszynowego w procesie analizy Big Data przekonani są także naukowcy z Uniwersytetu Waszyngtońskiego, którzy we współpracy z zespołem Microsoft Research eksperymentują z wykorzystaniem ich w procesach predykcyjnych prognozy pogody. Na bazie archiwalnych danych pogodowych z ostatnich 40 lat opracowali mechanizm przewidywania zmian atmosferycznych z dużą dokładnością przy wykorzystaniu okrojonej liczby informacji. Eksperymentalny algorytm błyskawicznie generuje modele predykcyjne oparte na ściśle wyselekcjonowanych danych. Dzięki temu zużywa w procesie prognozowania aż 7 tys. razy mniej mocy niż klasyczne narzędzia predykcyjne.

Z praktycznych narzędzi do wykrywania anomalii w strumieniu danych korzysta już Elektrownia Łagisza należąca do firmy Tauron. Oprogramowanie analizuje informacje pozyskiwane z czujników przemysłowych i za pośrednictwem algorytmów sztucznej inteligencji poszukuje błędów, które mogą świadczyć o nieprawidłowym działaniu systemu. Narzędzie potrafi także analizować dane historyczne, aby stworzyć modele predykcyjne eksploatacji poszczególnych urządzeń funkcjonujących w sieci.

– Badanie anomalii czy nieregularności w zbiorach danych jest stosowane nie tylko w fizyce wysokich energii. Natomiast fizyka wysokich energii ma swoje specyficzne atrybuty, takie jak parametry fizyczne czy też ich złożoność obliczeniową, które wymagają dostosowania algorytmów. Zastosowanie samych metod można rozszerzyć np. na analizę danych medycznych czy analizę ciągów czasowych, np. podczas badania zachowań na giełdzie czy też w innych miejscach, gdzie szereg czasowy wskazuje jakieś punkty w czasie i anomalie w nim występujące są istotne, żeby je wychwycić – wyjaśnia dr hab. inż. Tomasz Trzciński.

Czytaj także

Więcej ważnych informacji

Jedynka Newserii

Jedynka Newserii

Biotechnologia

Nadchodzi przełom w walce z chorobami genetycznymi. Technologia wykorzystana do tworzenia szczepionek pomoże też w opracowaniu terapii na inne choroby

Obecnie technologia mRNA kojarzona jest głównie ze szczepionkami przeciwko koronawirusowi. Może też przynieść pierwsze leki na COVID-19. Jej zastosowań w medycynie jest jednak znacznie więcej. Może być wykorzystana m.in. jako nośnik służący do dostarczania białek komórkom, które w wyniku choroby nie wytwarzają ich same. Dzięki temu mogą powstać leki na takie rzadkie choroby jak stwardnienie rozsiane czy mukowiscydoza. – Poza szczepionkami jest wiele innych potencjalnych zastosowań mRNA, które są w tej chwili testowane w badaniach klinicznych. To m.in. terapie, w których używamy mRNA jako sposobu dostarczania białek, które w komórkach nie powstają albo powstają w formie nieprawidłowej – tłumaczy prof. dr hab. Jacek Jemielity.

Kosmos i lotnictwo

Rozwiązania prosto z kosmosu zmieniają życie na Ziemi. Inwestycje w sektor kosmiczny zwracają się kilkukrotnie

Pandemia wstrzymała rozwój sektora New Space, czyli prywatnych firm inwestujących w kosmiczne rozwiązania. Następne lata powinny jednak przynieść dynamiczny rozwój, zwłaszcza że rośnie zapotrzebowanie na eksplorację kosmosu. Promieniowanie kosmiczne czy ogromne różnice temperatur sprawiają, że zwykłe materiały stosowane na Ziemi okazują się bezużyteczne w przestrzeni kosmicznej. Na rozwoju nowych technologii wykorzystywanych w kosmosie skorzystają jednak wszyscy. – Każdy dolar zainwestowany w przemysł kosmiczny zwraca się co najmniej sześciokrotnie – podkreśla Tadeusz Kocman, kierownik ds. rozwoju biznesu Syderal Polska.