幫助科學家尋找顆粒纏結軟盤蛋白并加快發現速度

如今，機器學習在科學技術中無處不在。它在許多方面都優于傳統的計算方法，例如，極大地加快了繁瑣的過程并處理了大量的數據。在能源部的SLAC國家加速器實驗室中，機器學習已經為開拓實驗室的獨特科學設施和研究開辟了新途徑。

例如，SLAC科學家已經使用機器學習技術來更有效地操作加速器，加快發現新材料的速度，并發現由天文物體引起的時空扭曲，其速度比傳統方法快一千萬倍。

術語“機器學習”廣義上是指使計算機通過從大量數據中推斷出自己的結論而不是遵循預定的步驟或規則來“通過示例學習”的技術。為了利用這些技術，SLAC在2019年啟動了一項機器學習計劃，該計劃幾乎涵蓋了實驗室所有學科的研究人員。

丹尼爾·拉特納(Daniel Ratner)是一位經過培訓的加速器物理學家，多年來一直致力于將機器學習方法應用于SLAC的加速器，現在負責該計劃。在本問答中，他討論了機器學習可以做什么以及SLAC如何獨特地裝備以促進基礎科學研究中機器學習的使用。

什么是機器學習?

機器學習程序通過查找示例中的模式來解決任務。這類似于人類學習的方式。因此，機器學習往往在人類擅長的任務上很有效，但是很難解釋為什么。

例如，您可以通過示例來教您的少年如何駕駛汽車。但是很難寫下一套有關如何在駕駛中可能遇到的各種情況下駕駛汽車的規則。這就是機器學習成功的情況。僅通過觀察某人駕駛汽車足夠長時間，機器學習模型就可以開始學習駕駛規則。

通常可以歸結為通過觀察足夠的數據來學習如何做某事。

機器學習與傳統方法有何不同?

這是解決問題的另一種概念方法。機器學習不是手動編寫復雜的計算機程序來完成整個復雜的數據分析過程，而是將重點轉移到開發示例數據集和評估解決方案的方法上。到那時，我可以將原始數據移交給機器學習模型，并對其進行訓練，以預測新數據的解決方案，這是以前從未見過的。您可以將其視為通過提取隱藏在數據集中的規則來避免繁重而昂貴的編程的一種方式。