宇宙中最豐富的粒子之一的新視角

中微子不斷轟擊地球表面。它們是宇宙中最豐富的粒子之一; 每秒估計(jì)有400萬億拉鏈通過你的身體。此外，粒子加速器通過地球上相當(dāng)遠(yuǎn)的距離在探測器目標(biāo)上射擊數(shù)百公里的中微子。但是，盡管如此，它們?nèi)匀粯O難被發(fā)現(xiàn)。

PNNL的研究人員正在應(yīng)用深度學(xué)習(xí)技術(shù)來更多地了解中微子，這是全球研究人員網(wǎng)絡(luò)的一部分，他們試圖了解宇宙中最難以捉摸的粒子之一。

他們的專業(yè)知識旨在通過稱為LArTPC的大型液氬時(shí)間投影室在實(shí)驗(yàn)中產(chǎn)生的大量數(shù)據(jù)。科學(xué)家利用這些來研究中微子及其在我們宇宙中的作用，但由于這些高保真探測器中有數(shù)以萬計(jì)的通道和非常高的數(shù)據(jù)速率，它們?yōu)榭茖W(xué)家篩選出的大量數(shù)據(jù)可能會(huì)令人難以接受。

PNNL研究人員最近使用實(shí)驗(yàn)室綜合體的領(lǐng)導(dǎo)級超級計(jì)算機(jī)，稱為Summit，利用深度學(xué)習(xí)的力量深入研究這些中微子物理實(shí)驗(yàn)產(chǎn)生的數(shù)據(jù)。

Alex Hagen 在最近的瑞士物理研究高級計(jì)算和分析技術(shù)國際研討會(huì)(ACAT 2019)上討論了他的團(tuán)隊(duì)的研究。它是使用這種功能強(qiáng)大的硬件和軟件進(jìn)行粒子物理研究中深度卷積神經(jīng)網(wǎng)絡(luò)的一種深度學(xué)習(xí)形式的首批應(yīng)用之一 - 也許是第一次。

深度學(xué)習(xí)的核心是培訓(xùn)計(jì)算機(jī)網(wǎng)絡(luò)，以便從數(shù)據(jù)中學(xué)習(xí)模式，使網(wǎng)絡(luò)能夠根據(jù)未來數(shù)據(jù)做出決策。但在中微子物理學(xué)中，大量的數(shù)據(jù)使得訓(xùn)練時(shí)間很長; 要足夠快地訓(xùn)練網(wǎng)絡(luò)以理解所有數(shù)據(jù)是非常困難的。一種解決方案是裁剪數(shù)據(jù) - 限制流入網(wǎng)絡(luò)的數(shù)據(jù)量以進(jìn)行分析 - 但這種方法可能導(dǎo)致關(guān)鍵信息的丟失。

PNNL團(tuán)隊(duì) - 其中還包括Eric Church，Jan Strube，Kolahal Bhattacharya和Vinay Amatya--從費(fèi)米實(shí)驗(yàn)室的MicroBooNE實(shí)驗(yàn)中解決了大量的模擬數(shù)據(jù)?？茖W(xué)家通過在PNNL的研究計(jì)算集群(稱為Marianas)上訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)并將問題擴(kuò)展到多個(gè)節(jié)點(diǎn)來解決數(shù)據(jù)過載問題。使用由Uber和Facebook開發(fā)的PyTorch，Horovod和SparseConvNet等工具，當(dāng)他們將系統(tǒng)從一個(gè)NVIDIA P100 GPU擴(kuò)展到14個(gè)時(shí)，科學(xué)家們將數(shù)據(jù)丟失率降低了80%以上。

然后，該團(tuán)隊(duì)在Oak Ridge的SummitDev計(jì)算機(jī)上測試了128多個(gè)NVIDIA P100 GPU的數(shù)據(jù)，PNNL團(tuán)隊(duì)在那里進(jìn)一步顯著縮短了培訓(xùn)時(shí)間和數(shù)據(jù)丟失。他們應(yīng)用SparseConvNet進(jìn)一步加快了培訓(xùn)時(shí)間。訓(xùn)練時(shí)間幾乎與GPU數(shù)量線性減少，并且由于技術(shù)問題，有效批量大小足以允許更優(yōu)化的學(xué)習(xí)，因此使用大量GPU實(shí)現(xiàn)的最低損失有時(shí)低于僅有少量GPU可實(shí)現(xiàn)的損失。 。