详细内容或原文请订阅后点击阅览
嘿，AI，为我设计一个热量计
随着人工智能工具不断发展，并在越来越多的一般任务上提高其性能，科学家们努力充分利用它们。问题不是能力不足——事实上，至少在我的研究领域（高能物理），我们大多数人已经对定制机器学习算法的使用和开发有了相当好的了解。问题在于我们的问题非常复杂。我们开始成功将深度神经网络应用于数据分析的分类和回归问题的时代已经一去不复返了：那些是简单的任务。现在的标准更高了——优化我们用于科学研究的仪器的设计。阅读更多
来源:Science 2.0随着人工智能工具继续发展和提高他们在越来越多的一般任务上的绩效，科学家努力地充分利用它们。
这个问题不是无能的 - 实际上，至少在我的研究领域（高能物理学），我们大多数人都对使用和开发量身定制的机器学习算法进行了良好的教育。问题是我们的问题非常复杂。我们开始将成功的神经网络应用于数据分析的分类和回归问题的几年已经一去不复返了：这些是简单的任务。现在，该条设置得更高 - 优化我们用于科学研究的工具的设计。
为粒子对撞机设计检测器是一项令人难以置信的艰巨任务，因为它涉及在数万个不同的参数之间选择连续和离散的参数（例如材料）。但是今天的AI工具也可以开始实现这一目标。当然，我们必须从更适度的任务开始，尝试我们的手并向世界展示可以做到的。
以这种精神，我们在今天的Arxiv上发表了一项研究，该研究表明了如何将扩散模型用于涉及量热计的端到端优化任务，该任务具有精确测量光子的能量和带电旋转的能量。这个想法是定义特征空间的基本“信封”：材料的最大成本，固定数量的不同层的吸收剂和活动闪烁介质，以及选择不同吸收和活性材料的选择。在这个信封中，机器应该为学习满足成本限制的最佳安排而努力，并尽可能改善对所研究事件粒子的总体分辨率。
纸在这里。
------------------
我对chatgpt4的问题： 其答案：很棒的运动！让我们系统地分解这个并做出有根据的猜测。