机器学习能帮助物理学家解答弦理论中的难题吗?

机器学习已经渗透到许多处理大数据集的科学学科中，甚至包括那些处理理论数据的学科。东北大学物理学助理教授詹姆斯·哈弗森(James Halverson)正在利用数据科学研究支配宇宙的物理学基本定律。

哈弗森研究弦理论，该理论预测宇宙是由被称为弦的微小的、线状的集中能量环组成的。除了数学方法，Halverson还希望通过机器学习来帮助克服弦理论中的计算障碍。

“弦理论不是一个固定的主题，”他说。“这是一个复杂的问题，所以我们不仅需要来自数学的现代技术，还需要来自计算机科学的现代技术。”

弦理论还预测，在我们每天经历的四维之外，还有额外的维度:时间和三维空间(向前/向后、向上/向下、向左/右)。这些理论上的额外维度很难形象化，这些不同的几何图形可以通过许多可能的方式折叠起来，隐藏在我们的宇宙中。

在过去的30年里，Halverson说，科学家们越来越认识到弦理论的大量可能性以及计算机科学在这一领域的潜在作用。在过去的几年里，像Halverson这样的研究人员开始使用尖端的数据科学技术来研究这一巨大的可能性。Halverson最近获得了国家科学基金会(National Science Foundation)颁发的为期五年的职业成就奖来推进这项工作。他们的想法是，最终他们可能能够解析这些数据中的模式，并理解这些可能性的含义。

对于Halverson来说，合作的机会是这项工作的一个亮点。

他说:“这个新方向的部分乐趣在于，我实际上正在与比以往任何时候都要广泛得多的科学家交谈。”“我们和来自不同物理和机器学习领域的人开了很多会，我们都在一个房间里讨论不同的想法。这是一种刺激。”

机器学习在其他科学领域的应用也启发了Halverson。例如，生物学家进行的实验室实验与他作为理论物理学家领导的研究几乎没有相似之处，但他们用于分析复杂系统数据的技术却有相似之处。

他说:“实际上，蛋白质折叠的方式与我们在弦理论中遇到的一些问题非常类似。”“虽然没有一个复杂的系统可以作为一个完美的类比，但我们或许能够从人们在其他领域所做的工作中得到一些启发。”

Halverson还与科技行业的领导者互动，帮助他们从事物理研究，并探索他们开发的技术的潜在科学应用。今年4月，他在西雅图郊外的微软总部帮助组织了一次机器学习和物理学研究人员之间的会议。

“据我所知，这是第一次与工业界合作的弦理论会议，”Halverson说。

利用数据科学来更多地了解弦理论中的大量可能性，最终可以帮助科学家更好地理解理论物理学如何与实验物理学的发现相吻合。Halverson说，该领域正在进行的一个问题是如何将弦理论与粒子物理学和宇宙学的实验发现相结合。

这些问题远非简单，但哈尔弗森说，未知是吸引他来到这个领域的首要因素。

他说:“还有一些大的谜题没有解答，而作为理论物理学家，努力破解这些谜题是我们的动力。” 

传媒查询，请联络[email protected]。

新闻旨在传播有益信息，英文原版地址：https://news.northeastern.edu/2019/08/05/how-theoretical-physicist-james-halverson-is-using-data-science-and-machine-learning-to-study-string-theory/