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 Neue Anwendungen für Mikrolaser in der Quanten-Nanophotonik
20.07.2018 | Technische Universität Berlin

nachricht Superscharfe Bilder von der neuen Adaptiven Optik des VLT
18.07.2018 | ESO Science Outreach Network - Haus der Astronomie

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: Future electronic components to be printed like newspapers

A new manufacturing technique uses a process similar to newspaper printing to form smoother and more flexible metals for making ultrafast electronic devices.

The low-cost process, developed by Purdue University researchers, combines tools already used in industry for manufacturing metals on a large scale, but uses...

Im Focus: Rostocker Forscher entwickeln autonom fahrende Kräne

Industriepartner kommen aus sechs Ländern

Autonom fahrende, intelligente Kräne und Hebezeuge – dieser Ingenieurs-Traum könnte in den nächsten drei Jahren zur Wirklichkeit werden. Forscher aus dem...

Im Focus: Superscharfe Bilder von der neuen Adaptiven Optik des VLT

Das Very Large Telescope (VLT) der ESO hat das erste Licht mit einem neuen Modus Adaptiver Optik erreicht, die als Lasertomografie bezeichnet wird – und hat in diesem Rahmen bemerkenswert scharfe Testbilder vom Planeten Neptun, von Sternhaufen und anderen Objekten aufgenommen. Das bahnbrechende MUSE-Instrument kann ab sofort im sogenannten Narrow-Field-Modus mit dem adaptiven Optikmodul GALACSI diese neue Technik nutzen, um Turbulenzen in verschiedenen Höhen in der Erdatmosphäre zu korrigieren. Damit ist jetzt möglich, Bilder vom Erdboden im sichtbaren Licht aufzunehmen, die schärfer sind als die des NASA/ESA Hubble-Weltraumteleskops. Die Kombination aus exquisiter Bildschärfe und den spektroskopischen Fähigkeiten von MUSE wird es den Astronomen ermöglichen, die Eigenschaften astronomischer Objekte viel detaillierter als bisher zu untersuchen.

Das MUSE-Instrument (kurz für Multi Unit Spectroscopic Explorer) am Very Large Telescope (VLT) der ESO arbeitet mit einer adaptiven Optikeinheit namens GALACSI. Dabei kommt auch die Laser Guide Stars Facility, kurz ...

Im Focus: Diamant – ein unverzichtbarer Werkstoff der Fusionstechnologie

Forscher am KIT entwickeln Fenstereinheiten mit Diamantscheiben für Fusionsreaktoren – Neue Scheibe mit Rekorddurchmesser von 180 Millimetern

Klimafreundliche und fast unbegrenzte Energie aus dem Fusionskraftwerk – für dieses Ziel kooperieren Wissenschaftlerinnen und Wissenschaftler weltweit. Bislang...

Im Focus: Wiener Forscher finden vollkommen neues Konzept zur Messung von Quantenverschränkung

Quantenphysiker/innen der ÖAW entwickelten eine neuartige Methode für den Nachweis von hochdimensional verschränkten Quantensystemen. Diese ermöglicht mehr Effizienz, Sicherheit und eine weitaus geringere Fehleranfälligkeit gegenüber bisher gängigen Mess-Methoden, wie die Forscher/innen nun im Fachmagazin „Nature Physics“ berichten.

Die Vision einer vollständig abhörsicheren Übertragung von Information rückt dank der Verschränkung von Quantenteilchen immer mehr in Reichweite. Wird eine...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

VideoLinks
Industrie & Wirtschaft
Veranstaltungen

Stadtklima verbessern, Energiemix optimieren, sauberes Trinkwasser bereitstellen

19.07.2018 | Veranstaltungen

Innovation – the name of the game

18.07.2018 | Veranstaltungen

Wie geht es unserer Ostsee? Ein aktueller Zustandsbericht

17.07.2018 | Veranstaltungen

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

Neue Anwendungen für Mikrolaser in der Quanten-Nanophotonik

20.07.2018 | Physik Astronomie

Need for speed: Warum Malaria-Parasiten schneller sind als die menschlichen Abwehrzellen

20.07.2018 | Biowissenschaften Chemie

Die Gene sind nicht schuld

20.07.2018 | Medizin Gesundheit

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