人工智能能否助力寻找标准模型之外的新物理
人工智能在物理研究中的角色正从“数据处理工具”转向更主动的参与者：不仅承担粒子碰撞分类、探测器噪声清理等繁琐工作，也被用于在海量数据中寻找可能指向新现象的细微结构。研究人员对其寄予的期待之一，是借助机器的模式识别与搜索能力，在标准模型高度稳固、显著实验异常罕见的背景下，挖掘被忽视的偏差并更系统地探索广阔的理论空间。 从自动化处理到“发现伙伴” 长期以来，机器学习在高能物理等领域主要用于提升数据处理
人工智能在物理研究中的角色正从“数据处理工具”转向更主动的参与者：不仅承担粒子碰撞分类、探测器噪声清理等繁琐工作，也被用于在海量数据中寻找可能指向新现象的细微结构。研究人员对其寄予的期待之一，是借助机器的模式识别与搜索能力，在标准模型高度稳固、显著实验异常罕见的背景下，挖掘被忽视的偏差并更系统地探索广阔的理论空间。 从自动化处理到“发现伙伴” 长期以来，机器学习在高能物理等领域主要用于提升数据处理
