“十四五”时期是我国加快建设创新型国家和世界科技强国的重要五年时期。 为响应国家加强高水平科研成果的宣传，提高学术成果的质量和传播，加强学术交流，促进有组织的科研活动的发展，进一步提高青年师生的科研水平为充实科研后备力量，学院现拟开设科研成果推广专栏。
本栏目将刊登我校师生的科研成果、学术会议和论坛的组织和参与情况以及获奖情况等，以展示我校在各领域的研究实力和学术水平，以便教师学生可以更加积极地参与科研工作。 ，为学院的科研发展做出积极贡献。
近年来，随着人工智能的快速发展，基于深度学习的技术在多个领域取得了重大进展。 从图像识别、语音处理到自然语言处理，深度学习展现了其强大的潜力。 在高能物理和粒子物理领域，深度学习技术也展现出优异的表现物理学家成就，为物理学家提供了新的视角和方法。 近年来，王少波老师带领团队利用深度学习研究了Xe-136-III实验中无中微子双β衰变（0νββ）的物理特征提取。 通过深度学习方法研究0νββ潜在的有限物理特征，并基于该特征优化神经网络结构，在机器学习工作的可解释性和理解0νββ的物理本质方面取得进展。
无中微子双β衰变（0νββ）是一种罕见的过程，其中原子核同时经历两次β衰变，产生两个电子和两个反电子中微子。 它的半衰期超过1026年，是一个非常罕见的衰变过程。 0νββ的实验研究是国际上的热门话题。 它可以对中微子的马约拉纳性质做出决定性的判断，同时为宇宙中物质和反物质的不对称性提供解释。 -III实验（图1）采用高压气体氙时间投影室技术寻找氙136的0νββ过程。 作为下一代0νββ实验，-III可以记录粒子的能量和三维轨迹信息，并可以通过粒子轨迹拓扑信息筛选罕见的0νββ事件。 -III实验是目前全球首个建成的100公斤级0νββ实验探测器，将安装在中国锦屏地下实验室进行科学研究。
图1：内置III传感器照片和氙136无中微子双β衰变示意图。
无中微子双β衰变极为罕见，预计每年-III百公斤探测器
图2：神经网络不同卷积核提取轨迹轮廓，
能量和投影等过程的示例。
图 3：无中微子双 β 衰变信号识别显着性与神经网络最后一层卷积核的分布（点图）。 这个结果比其他方法高出70%。 同时，当卷积核数量为8时达到最佳，这表明粒子轨迹中用于信号识别的物理特征有限。 减少神经网络中的冗余同时可以提高效率。 提高识别醒目度。
该成果由来自巴黎上海交通大学工程学院的三名学生夏尚宁、黄绥智和徐鑫在本科阶段完成。 指导教师为王少波副教授和陈迅副研究员。 巴黎工程学院是第一完成单位和相应单位。 该结果“for-III”发表于G: 和 (J. Phys. G: Nucl. Part. Phys. 50:)。 其中，早期成果受邀参加2020年8月在美国举行的暗与（DANCE）2020国际会议，夏尚宁、黄穗智在同名会议上做了主题报告。 该工作得到了国家自然科学基金委和国家重点研发计划项目的支持。
深度学习在无中微子双β衰变模拟实验中的应用为物理学家提供了一种新工具，可以更准确、更有效地检测这种理论衰变事件。 同时，本研究也为其他跨学科研究提供了宝贵的经验。 这种跨学科合作为未来的科学研究开辟了新的道路，并预示着更多创新研究的到来。
作者|简介|简介
夏尚宁
巴黎工程师学院硕士学位二年级
目前作为交换生在巴黎电信学习。 本科期间，通过PRP参与了-III相关项目的研究物理资源网，并于2020年8月受邀在Dark- and (DANCE) 2020上做主题报告。研究生期间，我的研究方向是图像生成、计算机视觉中的物体姿态估计和 3D 重建。
黄穗芝
巴黎工程师学院硕士学位二年级
本科期间参与了-III相关项目，并于2020年8月受邀在Dark- and (DANCE) 2020做主题报告。研究生期间主要研究方向为多任务学习、联邦学习、计算机视觉中的医学图像分析等。 目前，他已提交四篇论文。
徐新
巴黎工程师学院硕士学位二年级
本科期间参加-III相关项目，2021-2023年赴法国进行双学位交换。在法国实习期间，主要研究图神经网络以及生物学与计算机科学的交叉。 研究生期间物理学家成就，我的主要研究方向是社交网络、时间序列预测等。
结尾
文章原文链接
来源｜巴黎卓越工程学院科研专栏
提供文案｜王少波
编辑｜徐志尧
