据俄罗斯新闻网报道，俄罗斯高等经济学院与“Yandex”公司数据分析学院联合研发出人工智能系统，该系统可成数量级地提高强子对撞机上高能粒子的识别速度。相关成果发布在Nuclear Instruments and Methods in Physics Research Section A: Accelerators, Spectrometers, Detectors and Associated Equipment科学期刊上。

强子对撞机上每秒钟有几百万个强子发生对撞反应，检测器记录所生成的结果并确定其性能。由于所生成的绝大多数粒子为科学已知粒子，所以新粒子的寻找工作类似于大海捞针，这就需要了解并提高检测器的粒子识别速度，并且越准确越好。

考虑到强子对撞机上每秒发生几百万个粒子对撞，所以不得不采用较低灵敏度的检测方法，这造成检测器的运行速度低，对某一过程的模拟通常占用几秒钟。理论上，可采用专门的程序软件提高检测器的检测精度和速度，使检测器上的传感器能够对所通过的不同粒子做出精确的反应。科研人员采用生成对抗网络系统（Generative Adversarial Network，简称GAN）解决了这个一直困扰高能物理学家的难题，由于该系统由生成网络和判别网络这两个神经网络构成，可通过培训使一个网络学会形成与现实相近的图像，例如可生成根本不存在的人或动物的图像；而另一个网络则尽力寻找虚拟图像与现实图像的差异。

科研人员惊奇地发现，所研发的生成现实主义图像的方法可用于强子对撞生成粒子的识别，并可成量级地提高识别速度。通过培训，科研人员教会生成对抗系统预测出强子对撞反应的结果，测试实验也证明，该系统可准确描述强子对撞物理现象的全部过程。

生成对抗网络系统用于探测器运行的快速仿真，这将极大地加快强子对撞机上实验的进行，究其实质，这是将最先进的培训方法应用于科学数据分析，再加上已掌握的有关检测器的知识和经验，由数据学家和物理学家联合完成的研发工作。