Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Deep Learning als neues Werkzeug in der Schwerionenphysik

22.01.2018

Mit verbesserten neuronalen Netzen gewinnen Physiker der Goethe-Universität Informationen aus der Datenflut von Schwerionenkollisionen. Sie suchen damit nach Hinweisen für einen frühen Zustand der Materie kurz nach dem Urknall: Das Quark-Gluon-Plasma.

Deep Learning ist eine Methode des Maschinenlernens, bei der Computermodelle eigenständig mit Beispielen lernen. Wie Wissenschaftler der Goethe-Universität und des Frankfurt Institute for Advanced Studies (FIAS) in der aktuellen Ausgabe von „Nature Communications“ zeigen, lässt sie sich verwenden, um Daten aus Schwerionenkollisionen zu klassifizieren.


Datenanalyse mit Deep Learning

Grafik: FIAS

Ihr Ziel ist es, die Veränderungen in der Teilchenmaterie direkt aus den experimentellen Daten zu bestimmen und damit künftig mehr über die Zustände im frühen Universum und in Neutronensternkollisionen zu erfahren.

„Im Frühjahr 2016 gewann Googles AlphaGo Computer mittels künstlicher Intelligenz gegen einen Profi-Spieler des Strategiespiels Go. Das hat uns so sehr begeistert, dass wir herausfinden wollten, ob auch wir einen Computer so trainieren könnten, dass er uns die Zustandsgleichungen von Teilchenkollisionen in einem Schwerionenphysik-Experiment besser vorhersagen kann“, erklärt Dr. Long-Gang Pang, Erstautor der Studie und ehemals Postdoktorand des FIAS. Seit einigen Monaten arbeitet er an der University of California in Berkeley, USA.

Gegenstand seiner Forschung zusammen mit Dr. Kai Zhou und Dr. Nan Su aus den Arbeitsgruppen von Prof. Hannah Petersen und Prof. Horst Stöcker und Prof. Wang Xin-Nian (Berkeley, USA) ist die Untersuchung und Vorhersage von Experimenten, bei denen Teilchen mit nahezu Lichtgeschwindigkeit zusammenprallen.

Zu den größten noch offenen Fragen gehört, ob dabei ein spezieller Materiezustand, das Quark-Gluon-Plasma, erzeugt wird, und wie der Übergang zu normaler Materie aussieht. Bisher können einige wichtige Informationen, wie der Druck oder der Übergang zwischen den Zuständen, ‎nicht direkt aus den experimentellen Daten abgelesen werden. Hierfür braucht man komplexe Computermodelle und riesige Rechnerleistungen. Gerade hier kann Deep Learning Prozesse effizienter gestalten und die Datenanalyse deutlich verbessern.

Der Begriff des „Deep Learning“ kam im Laufe der letzten Jahre immer wieder im Zusammenhang mit künstlicher Intelligenz, „Big Data“ oder modernen Analysealgorithmen auf. Inzwischen steckt Deep Learning hinter den meisten Spracherkennungssystemen in Smartphones oder intelligenten Haushaltshelfern, aber auch in der Technologie des autonomen Fahrens.

Man versteht darunter eine Methode des Maschinenlernens, bei der Computermodelle eigenständig lernen, Klassifizierungen vorzunehmen. Dazu nehmen sie große Mengen an bekannten Bildern, Text, oder Geräuschen in eine Datenbank auf und vergleichen sie dann mit unbekannten Daten. Die Systeme können sogar aus ihren Fehlern lernen und einige Probleme inuzwischen effizienter lösen als Menschen, z.B. das Bestimmen von Objekten auf Bildern.

Am interdisziplinären FIAS arbeiten Neurowissenschaftler schon lange daran, die Prozesse die in unserem Gehirn stattfinden, zu abstrahieren, um daraus künstliche neuronale Netze zu entwickeln. Dazu gehören auch Convolutional Neural Networks (neuronale Faltungsnetzwerke, kurz CNN), welche die Basis für Deep Learning darstellen. Durch die Arbeit der Kollegen am eigenen Institut inspiriert, haben Long-Gang Pang, Kai Zhou und Nan Su ein CNN mit über 20.000 Bildern von simulierten Schwerionenkollisionen trainiert und erfolgreich gezeigt, dass es in Zukunft möglich sein wird, die Methode zu verwenden, um die Phasenstruktur und andere Ergebnisse direkt aus den experimentellen Daten abzulesen.

Damit die Wissenschaftler ihre Methode auch direkt bei experimentellen Daten anwenden können, liegt noch etwas Arbeit vor ihnen, hierzu müssen sie u.a. noch die Feinheiten der Detektoren in ihr Modell mit aufnehmen.

Publikation:
Long-Gang Pang, Kai Zhou, Nan Su, Hannah Petersen, Horst Stöcker & Xin-Nian Wang: “An equation-of-state-meter of quantum chromodynamics transition from deep learning” Nature Communications https://www.nature.com/articles/s41467-017-02726-3, DOI : 10.1038/s41467-017-02726-3

Information: Prof. Dr. Hannah Petersen, Institut für Theoretische Physik, Fachbereich 13, sowie Frankfurt Institute for Advanced Studies (FIAS), Campus Riedberg, Tel.: (069) 798 47652, petersen@fias.uni-frankfurt.de

Aktuelle Nachrichten aus Wissenschaft, Lehre und Gesellschaft in GOETHE-UNI online (www.aktuelles.uni-frankfurt.de)

Die Goethe-Universität ist eine forschungsstarke Hochschule in der europäischen Finanzmetropole Frankfurt. 1914 mit privaten Mitteln überwiegend jüdischer Stifter gegründet, hat sie seitdem Pionierleistungen erbracht auf den Feldern der Sozial-, Gesellschafts- und Wirtschaftswissenschaften, Medizin, Quantenphysik, Hirnforschung und Arbeitsrecht.

Am 1. Januar 2008 gewann sie mit der Rückkehr zu ihren historischen Wurzeln als Stiftungsuniversität ein hohes Maß an Selbstverantwortung. Heute ist sie eine der zehn drittmittelstärksten und drei größten Universitäten Deutschlands mit drei Exzellenzclustern in Medizin, Lebenswissenschaften sowie Geistes- und Sozialwissenschaften. Zusammen mit der Technischen Universität Darmstadt und der Universität Mainz ist sie Partner der länderübergreifenden strategischen Universitätsallianz Rhein-Main. Internet: www.uni-frankfurt.de

Herausgeberin: Die Präsidentin der Goethe-Universität Redaktion: Dr. Anne Hardy, Referentin für Wissenschaftskommunikation, Abteilung PR & Kommunikation, Theodor-W.-Adorno-Platz 1, 60323 Frankfurt am Main, Tel: (069) 798-12498, Fax: (069) 798-763 12531, hardy@pvw.uni-frankfurt.de.

Dr. Anne Hardy | idw - Informationsdienst Wissenschaft

Weitere Nachrichten aus der Kategorie Physik Astronomie:

nachricht Berner Mars-Kamera liefert erste farbige Bilder vom Mars
26.04.2018 | Universität Bern

nachricht Belle II misst die ersten Teilchenkollisionen
26.04.2018 | Max-Planck-Institut für Physik

Alle Nachrichten aus der Kategorie: Physik Astronomie >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Why we need erasable MRI scans

New technology could allow an MRI contrast agent to 'blink off,' helping doctors diagnose disease

Magnetic resonance imaging, or MRI, is a widely used medical tool for taking pictures of the insides of our body. One way to make MRI scans easier to read is...

Im Focus: Fraunhofer ISE und teamtechnik bringen leitfähiges Kleben für Siliciumsolarzellen zu Industriereife

Das Kleben der Zellverbinder von Hocheffizienz-Solarzellen im industriellen Maßstab ist laut dem Fraunhofer-Institut für Solare Energiesysteme ISE und dem Anlagenhersteller teamtechnik marktreif. Als Ergebnis des gemeinsamen Forschungsprojekts »KleVer« ist die Klebetechnologie inzwischen so weit ausgereift, dass sie als alternative Verschaltungstechnologie zum weit verbreiteten Weichlöten angewendet werden kann. Durch die im Vergleich zum Löten wesentlich niedrigeren Prozesstemperaturen können vor allem temperatursensitive Hocheffizienzzellen schonend und materialsparend verschaltet werden.

Dabei ist der Durchsatz in der industriellen Produktion nur geringfügig niedriger als beim Verlöten der Zellen. Die Zuverlässigkeit der Klebeverbindung wurde...

Im Focus: BAM@Hannover Messe: Innovatives 3D-Druckverfahren für die Raumfahrt

Auf der Hannover Messe 2018 präsentiert die Bundesanstalt für Materialforschung und -prüfung (BAM), wie Astronauten in Zukunft Werkzeug oder Ersatzteile per 3D-Druck in der Schwerelosigkeit selbst herstellen können. So können Gewicht und damit auch Transportkosten für Weltraummissionen deutlich reduziert werden. Besucherinnen und Besucher können das innovative additive Fertigungsverfahren auf der Messe live erleben.

Pulverbasierte additive Fertigung unter Schwerelosigkeit heißt das Projekt, bei dem ein Bauteil durch Aufbringen von Pulverschichten und selektivem...

Im Focus: BAM@Hannover Messe: innovative 3D printing method for space flight

At the Hannover Messe 2018, the Bundesanstalt für Materialforschung und-prüfung (BAM) will show how, in the future, astronauts could produce their own tools or spare parts in zero gravity using 3D printing. This will reduce, weight and transport costs for space missions. Visitors can experience the innovative additive manufacturing process live at the fair.

Powder-based additive manufacturing in zero gravity is the name of the project in which a component is produced by applying metallic powder layers and then...

Im Focus: IWS-Ingenieure formen moderne Alu-Bauteile für zukünftige Flugzeuge

Mit Unterdruck zum Leichtbau-Flugzeug

Ingenieure des Fraunhofer-Instituts für Werkstoff- und Strahltechnik (IWS) in Dresden haben in Kooperation mit Industriepartnern ein innovatives Verfahren...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

Konferenz »Encoding Cultures. Leben mit intelligenten Maschinen« | 27. & 28.04.2018 ZKM | Karlsruhe

26.04.2018 | Veranstaltungen

Konferenz zur Marktentwicklung von Gigabitnetzen in Deutschland

26.04.2018 | Veranstaltungen

infernum-Tag 2018: Digitalisierung und Nachhaltigkeit

24.04.2018 | Veranstaltungen

VideoLinks
Wissenschaft & Forschung
Weitere VideoLinks im Überblick >>>
 
Aktuelle Beiträge

Weltrekord an der Uni Paderborn: Optische Datenübertragung mit 128 Gigabits pro Sekunde

26.04.2018 | Informationstechnologie

Multifunktionaler Mikroschwimmer transportiert Fracht und zerstört sich selbst

26.04.2018 | Biowissenschaften Chemie

Berner Mars-Kamera liefert erste farbige Bilder vom Mars

26.04.2018 | Physik Astronomie

Weitere B2B-VideoLinks
IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics