机器学习已经渗透到许多处理大型数据集的科学学科中，甚至包括那些与理论数据搏斗的学科。詹姆斯·霍尔沃森他是东北大学的物理学助理教授，正在利用数据科学研究支配宇宙的基本物理定律。

霍尔沃森研究的是弦理论，该理论预测宇宙是由微小的、像线一样的集中能量的循环组成的，这种循环被称为弦。除了数学方法之外，Halverson还希望通过机器学习来帮助克服弦理论中的计算障碍。

“弦理论不是一个固定的主题，”他说。“这是一个复杂的问题，所以我们不仅需要来自数学的现代技术，还需要来自计算机科学的现代技术。”

弦理论还预测，除了我们每天经历的四维空间(时间和空间的三维空间(向前/向后，上/下，左/右)之外，还有额外的维度。这些理论上的额外维度很难可视化，但确实存在许多可能的方法这些不同的几何图形可以折叠起来隐藏在我们的宇宙中。

Halverson说，在过去的30年里，科学家们越来越多地认识到弦理论的大量可能性以及计算机科学在这一领域的潜在作用。在过去的几年里，像哈尔沃森这样的研究人员最近授予获得了为期五年的国家科学基金会CAREER奖来推进这项工作，开始使用前沿的数据科学技术来研究这一大堆可能性。他们的想法是，最终，他们可能能够解析这些数据中的模式，并理解这些可能性的含义。

对于霍尔沃森来说，合作的机会一直是这项工作的一个亮点。

他说:“这个新方向的部分乐趣在于，我实际上正在与比以前更广泛的科学家交谈。”“我们与来自不同物理和机器学习领域的人开了很多会，我们都在一个房间里讨论不同的想法。这令人兴奋。”

机器学习在其他科学领域的应用也启发了哈尔沃森。例如，虽然生物学家进行的实验室实验与他作为理论物理学家领导的研究几乎没有相似之处，但他们用于分析复杂系统数据的技术却有相似之处。

“蛋白质折叠的方式实际上是我们在弦理论中遇到的一些问题的一个很好的类比，”他说。“虽然没有一个复杂的系统可以做完美的类比，但我们或许可以从其他领域的人们所做的事情中获得一些灵感。”

霍尔沃森还与科技行业的领导者进行互动，帮助他们参与物理研究，并探索他们所开发的技术的潜在科学应用。4月，他出手相助组织会议微软西雅图总部机器学习和物理研究人员之间的交流。

“据我所知，这是第一次与业界合作的弦理论会议，”霍尔沃森说。

使用数据科学来了解弦理论中大量的可能性，最终可以帮助科学家更好地理解理论物理如何与实验物理的发现相吻合。Halverson说，该领域正在进行的一个问题是如何将弦理论与粒子物理学和宇宙学的实验结果统一起来，他将其描述为“小中最小的物理学和大中最大的物理学”。

这些问题远不简单，但哈尔沃森说，这些未知是他最初进入这一领域的原因。

他说:“还有很多大难题没有得到解答，试图破解它们是我们作为理论物理学家的动力。”

本文最初发表于(电子邮件保护)2019年8月5日．