- 전체
- 물리
- 천체물리 - 우주(과학)
- 정보 (및 수학)
- 화학
- 생물 및 의학 (건강)
- 전기전자
- 지구과학 and 환경
- 사회과학
- 기계
- ITFIND 주간 기술 동향
- 월간 ICT 동향
- 인문학(과학)
특이한 입자 연구http://mirian.kisti.re.kr/futuremonitor/view.jsp?cn=GTB2014070161&service_code=03 | |
|---|---|
| KISTI 미리안 『글로벌동향브리핑』 2014-07-07 | |
| 컴퓨터에 의한 완전히 자동화된 "심화 학습(deep learning)"은 베테랑 물리학자에도 필적할 수 있을 정도로 힉스 보손(Higgs boson)과 같은 입자를 발견하기 위한 가능성을 향상시킬 수 있다고 캘리포니아 얼바인대(University of California, Irvine) 연구진은 Nature Communications에 보고하였다. 연구진은 이번 연구 결과를 통해 매우 큰 전율을 느꼈다. 심도 있는 학습은 물질의 성질, 중력, 우주의 기원에 대한 매우 근본적인 질문에 대한 답을 얻는데 도움이 될 수 있을 것으로 연구진은 기대하고 있다. 연구진은 희귀 입자를 보다 원활히 검출하기 위해 입자 가속기(particle accelerator)/충돌기로부터 얻은 데이터를 보다 빠르고 효율적으로 분석하는 방법을 발견하였다. 1964년 최초로 이론화되었고, 이에 대한 존재가 2012년 스위스 제나바 근처 지하에 있는 거대 하드론 충돌기(Large Hadron Collider)에서 최종적으로 확인된 힉스 보손은 물리 분야의 다른 주요 질문 중에서 몇몇 입자들이 왜 질량을 갖는지 설명하는데 도움될 수 있다. 이러한 입자의 발견은 막대한 배경 잡음으로부터 연관된 데이터를 분류해내는 것이다. 즉, 기계 학습(machine learning) 기술은 이미 이러한 빅 데이터를 분석하는데 사용되고 있다. 기계 학습은 컴퓨터 과학의 한 분야로서 컴퓨터가 어려운 임무를 수행하도록 프로그램된 것이라기 보다 컴퓨터가 여러 예로부터 자동적으로 학습하게 된다. 이미지에서 코끼리를 인식할 수 있는 프로그램을 구성하는 것은 매우 어려운데, 이는 충돌기 데이터에서 힉스 보손을 인식하는 것도 마찬가지이다. 그러나 코끼리가 있거나 없는 많은 이미지를 컴퓨터에 제공함으로써, 즉, 힉스 보손이 있거나 없는 가속기 데이터를 제공함으로써 컴퓨터는 자동적으로 학습할 수 있게 된다. 현재 물리학자들은 특별한 성질을 찾아내기 위해 수작업 형태의 수학식을 데이터에 적용한 후 기계 학습 프로그램에 공급하는 형태를 취한다. 다중 프로세스 단계에서 컴퓨터가 자동적으로 학습하는 심화 학습에 있어서의 최근 발전을 도입함으로써, 연구진은 일반적인 조건에선 우주에 존재할 수 없는 순간적으로 존재하는 입자를 찾는데 있어 위와 같은 시간 소모적인 수작업 형태의 수식을 형성할 필요가 없게 되었다. 금번의 새로운 스마트 심화 학습 네트워크는 과거 기계 학습 방법보다 새로운 입자를 입자를 발견할 수 있는 확률이 높다. 이들은 사람의 관점에서 어떠한 도움도 필요 없어 고 에너지 물리 분야에서 오래 전부터의 목표인 자동 학습의 수준을 얻어낼 수 있었다. 주의 깊게 구조화된 시뮬레이션 데이터를 이용한 컴퓨터 실험에서 연구진의 방법은 입자 검출 관점에서 통계적으로 유의한 8%의 증가를 나타내었다. 한편 금번 기술은 2015년에 거대 하드론 충돌기에 도입될 예정이다. [그림] 힉스 보손이 생성되는 입자 충돌의 시뮬레이션
| |
자료를 가져가실 때에는 출처 KISTI 미리안 『글로벌동향브리핑』을 밝혀 주시기 바랍니다. | |
본 웹사이트는 광고를 포함하고 있습니다.
광고 클릭에서 발생하는 수익금은 모두 웹사이트 서버의 유지 및 관리, 그리고 기술 콘텐츠 향상을 위해 쓰여집니다.
광고 클릭에서 발생하는 수익금은 모두 웹사이트 서버의 유지 및 관리, 그리고 기술 콘텐츠 향상을 위해 쓰여집니다.
