“十四五”時期是我國加快建設創新型國家和世界科技強國的重要五年時期。 為響應國家加強高水平科研成果的宣傳，提高學術成果的質量和傳播，加強學術交流，促進有組織的科研活動的發展，進一步提高青年師生的科研水平為充實科研后備力量，學院現擬開設科研成果推廣專欄。
本欄目將刊登我校師生的科研成果、學術會議和論壇的組織和參與情況以及獲獎情況等，以展示我校在各領域的研究實力和學術水平，以便教師學生可以更加積極地參與科研工作。 ，為學院的科研發展做出積極貢獻。
近年來，隨著人工智能的快速發展，基于深度學習的技術在多個領域取得了重大進展。 從圖像識別、語音處理到自然語言處理，深度學習展現了其強大的潛力。 在高能物理和粒子物理領域，深度學習技術也展現出優異的表現物理學家成就，為物理學家提供了新的視角和方法。 近年來，王少波老師帶領團隊利用深度學習研究了Xe-136-III實驗中無中微子雙β衰變（0νββ）的物理特征提取。 通過深度學習方法研究0νββ潛在的有限物理特征，并基于該特征優化神經網絡結構，在機器學習工作的可解釋性和理解0νββ的物理本質方面取得進展。
無中微子雙β衰變（0νββ）是一種罕見的過程，其中原子核同時經歷兩次β衰變，產生兩個電子和兩個反電子中微子。 它的半衰期超過1026年，是一個非常罕見的衰變過程。 0νββ的實驗研究是國際上的熱門話題。 它可以對中微子的馬約拉納性質做出決定性的判斷，同時為宇宙中物質和反物質的不對稱性提供解釋。 -III實驗（圖1）采用高壓氣體氙時間投影室技術尋找氙136的0νββ過程。 作為下一代0νββ實驗，-III可以記錄粒子的能量和三維軌跡信息，并可以通過粒子軌跡拓撲信息篩選罕見的0νββ事件。 -III實驗是目前全球首個建成的100公斤級0νββ實驗探測器，將安裝在中國錦屏地下實驗室進行科學研究。
圖1：內置III傳感器照片和氙136無中微子雙β衰變示意圖。
無中微子雙β衰變極為罕見，預計每年-III百公斤探測器
圖2：神經網絡不同卷積核提取軌跡輪廓，
能量和投影等過程的示例。
圖 3：無中微子雙 β 衰變信號識別顯著性與神經網絡最后一層卷積核的分布（點圖）。 這個結果比其他方法高出70%。 同時，當卷積核數量為8時達到最佳，這表明粒子軌跡中用于信號識別的物理特征有限。 減少神經網絡中的冗余同時可以提高效率。 提高識別醒目度。
該成果由來自巴黎上海交通大學工程學院的三名學生夏尚寧、黃綏智和徐鑫在本科階段完成。 指導教師為王少波副教授和陳迅副研究員。 巴黎工程學院是第一完成單位和相應單位。 該結果“for-III”發表于G: 和 (J. Phys. G: Nucl. Part. Phys. 50:)。 其中，早期成果受邀??參加2020年8月在美國舉行的暗與（DANCE）2020國際會議，夏尚寧、黃穗智在同名會議上做了主題報告。 該工作得到了國家自然科學基金委和國家重點研發計劃項目的支持。
深度學習在無中微子雙β衰變模擬實驗中的應用為物理學家提供了一種新工具，可以更準確、更有效地檢測這種理論衰變事件。 同時，本研究也為其他跨學科研究提供了寶貴的經驗。 這種跨學科合作為未來的科學研究開辟了新的道路，并預示著更多創新研究的到來。
作者|簡介|簡介
夏尚寧
巴黎工程師學院碩士學位二年級
目前作為交換生在巴黎電信學習。 本科期間，通過PRP參與了-III相關項目的研究物理資源網，并于2020年8月受邀在Dark- and (DANCE) 2020上做主題報告。研究生期間，我的研究方向是圖像生成、計算機視覺中的物體姿態估計和 3D 重建。
黃穗芝
巴黎工程師學院碩士學位二年級
本科期間參與了-III相關項目，并于2020年8月受邀在Dark- and (DANCE) 2020做主題報告。研究生期間主要研究方向為多任務學習、聯邦學習、計算機視覺中的醫學圖像分析等。 目前，他已提交四篇論文。
徐新
巴黎工程師學院碩士學位二年級
本科期間參加-III相關項目，2021-2023年赴法國進行雙學位交換。在法國實習期間，主要研究圖神經網絡以及生物學與計算機科學的交叉。 研究生期間物理學家成就，我的主要研究方向是社交網絡、時間序列預測等。
結尾
文章原文鏈接
來源｜巴黎卓越工程學院科研專欄
提供文案｜王少波
編輯｜徐志堯
