随着近些年人工智能的快速发展,以深度学习为基础的技术已经在多个领域取得了显著的进展。从图像识别、语音处理到自然语言处理,深度学习都展现出了其强大的潜力。而在高能物理和粒子物理领域,深度学习技术也表现出优异的性能,为物理学家提供了一个全新的视角和方法。近些年王少博老师带领团队在PandaX-III实验中利用深度学习研究Xe-136的无中微子双贝塔衰变(0νββ)的物理特征提取。通过深度学习方法研究了0νββ潜在的有限的物理特征,根据这一特征优化神经网络结构,在机器学习工作的可解释性和理解0νββ物理本质取得进展。
无中微子双贝塔衰变(0νββ)是原子核同时发生两次贝塔衰变产生两个电子和两个反电子中微子的稀有过程,其半衰期为1026年以上,是非常稀有的衰变过程。0νββ的实验研究是国际上的热点方向,其可以对中微子的马约拉纳性质给出决定性判断,同时可以为宇宙中正反物质不对称给出解释。PandaX-III实验(图1)采用高压气氙时间投影室技术寻找氙-136的0νββ过程。作为下一代的0νββ实验,PandaX-III可以记录粒子的能量和三维径迹信息,可以通过粒子径迹拓扑信息开展0νββ稀有事件的筛选。PandaX-III实验目前是世界范围内建成的第一个百公斤级的0νββ的实验探测器,之后将安装在中国锦平地下实验室开展科学研究。
![](https://speit.sjtu.edu.cn/storage/wechat/6ec5b89485bbf66f828032895b48ea94.jpg)
图 1:建成的PandaX-III传感器照片和氙-136无中微子双贝塔衰变示意图。
无中微子双贝塔衰变极其稀有,PandaX-III百公斤探测器预期每年<1个信号,这对整个实验提出很更高的要求。王少博老师团队采用深度学习方法来提取粒子径迹的物理特征,研究在万千放射性本底中鉴别0νββ的内禀机制,同时根据获取的物理特征来定向的优化神经网络结构。系统研究了神经网络不同卷积层提取物理特征和信息融合的全过程(图2)。通过对模拟数据和模型的优化,信号识别显著度相比之前有了巨大提升了70%。同时当卷积核个数为8时达到最好,预示着粒子径迹中有有限个物理特征用于信号鉴别,神经网络减少冗余可以提高效率的同时提升鉴别显著度(图3)。
![](https://speit.sjtu.edu.cn/storage/wechat/830d2af3fbc39f70063bf94eed783095.png)
图2:神经网络不同卷积核提取径迹轮廓、
能量和投影等过程示例。
图3:无中微子双贝塔衰变信号识别显著度随着神经网络最后一层卷积核的分布图(点图)。该结果相比其他方法提升70%,同时当卷积核个数为8时达到最好,预示着粒子径迹中有有限个物理特征用于信号鉴别,神经网络减少冗余可以提高效率的同时提升鉴别显著度。
该成果是上海交通大学巴黎卓越工程师学院学生夏尚宁、黄遂之和许可欣三位同学在本科阶段完成,指导老师为王少博副教授和谌勋副研究员,巴黎卓越工程师学院为第一完成单位和通讯单位。该成果“Optimization of convolutional neural networks for background suppression in the PandaX-III experiment”发表在Journal of Physics G: Nuclear and Particle Physics上(J. Phys. G: Nucl. Part. Phys. 50 125103:https://doi.org/10.1088/1361-6471/acfe24)。其中前期成果于2020年8月受邀参加在美国举办的Dark-matter and Neutrino Computation Explored (DANCE) Machine Learning Workshop 2020国际会议,夏尚宁和黄遂之做同名大会主旨报告。该工作获得国家自然科学基金和国家重点研发专项支持。
深度学习在无中微子双贝塔衰变模拟实验中的应用为物理学家提供了一个全新的工具,使得能够更准确、更高效地检测到这种理论上的衰变事件。同时,这一研究也为其他交叉学科的研究提供了宝贵的经验。这种交叉学科的合作方式为未来的科学研究开辟了新的道路,预示着更多的创新性研究即将到来。
![](https://speit.sjtu.edu.cn/storage/wechat/3fa5c1beb983af5c45382cede98e0d4e.png)
Author
作|者|介|绍
夏尚宁
巴黎卓越工程师学院硕士二年级
目前在巴黎高等电信学校(Télécom Paris)交换学习。本科期间通过PRP参与了PandaX-III相关项目的研究,于2020年8月受邀在Dark-matter and Neutrino Computation Explored (DANCE) Machine Learning Workshop 2020做主旨报告。研究生期间研究方向为计算机视觉中的图像生成,物体位姿估计以及3D重建。
黄遂之
巴黎卓越工程师学院硕士二年级
本科期间参与PandaX-III相关项目,于2020年8月受邀Dark-matter and Neutrino Computation Explored (DANCE) Machine Learning Workshop 2020做主旨报告。研究生期间主要研究方向为计算机视觉中的多任务学习、联邦学习、医学图像分析等,目前在投论文四篇。
许可欣
巴黎卓越工程师学院硕士二年级
本科期间参与PandaX-III相关项目,于2021-2023 年期间在法国进行双学位交换。在法国实习期间主要研究图神经网络,生物学计算机科学交叉。在研究生期间主要研究方向为社交网络、时序预测等。
论文原文链接
https://doi.org/10.1088/1361-6471/acfe24
![](https://speit.sjtu.edu.cn/storage/wechat/f5e7aad213ff3e328ebd4b5d5e326c57.png)
来源|巴黎卓越工程师学院科研专栏
文案提供|王少博
编辑|徐知遥
![](https://speit.sjtu.edu.cn/storage/wechat/ece0ce9d48550fc6d0cfc3d971dc9f0d.png)
![](https://speit.sjtu.edu.cn/storage/wechat/08d38f36d4ba650383bd332dbd73089c.jpg)
![](https://speit.sjtu.edu.cn/storage/wechat/17cc242e55ce3a83137ecd0845499111.jpg)
speit2013
http://speit.sjtu.edu.cn/