CERN၊ European Laboratory for Particle Physics နှင့် French AI ဓာတ်ခွဲခန်း Mistral တို့သည် သိပ္ပံနည်းကျရှာဖွေတွေ့ရှိမှုအတွက် အခြေခံအုတ်မြစ်ပုံစံများကို တည်ဆောက်ရန် ရည်ရွယ်သည့် ရေရှည်မဟာဗျူဟာမိတ်ဖက်ပူးပေါင်းဆောင်ရွက်မှုကို တည်ထောင်ရန် ရည်ရွယ်ချက်ဖြင့် ကြေညာချက်ကို လက်မှတ်ရေးထိုးခဲ့ကြသည်။ CERN မှ အောက်တိုဘာလ 15 ရက်နေ့တွင်ထုတ်ဝေသောကြေငြာချက်သည် developer ဖိုရမ်များမှတဆင့်ပျံ့နှံ့ပြီးနောက်ယခုသီတင်းပတ်တွင်နည်းပညာအသိုင်းအဝိုင်းတွင်ကျယ်ကျယ်ပြန့်ပြန့်ဆွေးနွေးခဲ့ပြီး၊ ရည်မှန်းချက်ကြီးကြီးမားမားပန်းတိုင်တစ်ခု - တစ်ခုတည်းသောကြိုတင်လေ့ကျင့်ထားသော "Large Physics Model" — collider physics အတွက်ပထမဆုံးအခြေခံပုံစံ —- ဘီလီယံပေါင်းများစွာသော simulated proton-proton Collider (LHC) မှ ပရိုတွန်-ပရိုတွန်တိုက်မှုများအတွက် လေ့ကျင့်ထားသည်။
ကမ္ဘာ့အကြီးဆုံးစက်အတွက် ဖောင်ဒေးရှင်းမော်ဒယ် For more context on this story, see our ongoing AI trends.
ကြီးမားသော ရူပဗေဒ မော်ဒယ်သည် စနစ်တစ်ခုအတွင်း စွမ်းအင်မြင့်မားသော ရူပဗေဒတွင် အဓိကလုပ်ဆောင်စရာများစွာကို ပံ့ပိုးရန် ဒီဇိုင်းထုတ်ထားခြင်းဖြစ်သည်- အမှုန်တိုက်မိမှုများကို ပြန်လည်တည်ဆောက်ခြင်း၊ အမှုန်များကို ခွဲခြားသတ်မှတ်ခြင်း၊ မမျှော်လင့်ထားသော အချက်ပြမှုများကို အလံပြခြင်းနှင့် အနာဂတ် detector ဒီဇိုင်းများကို အကဲဖြတ်ခြင်း။
ယနေ့တွင်၊ LHC အတွင်းရှိ ပရိုတွန်များ အတူတကွ ကွဲသွားသောအခါ ဘာဖြစ်သွားသည်ကို ပိုင်းခြားစိတ်ဖြာခြင်းမှာ ကုန်ကြမ်း detector အချက်ပြမှုများကို အမှုန်အမွှားများနှင့် ရူပဗေဒခွဲခြမ်းစိတ်ဖြာမှုတွင် အသုံးပြုသည့် အခြားအရာဝတ္ထုများအဖြစ်သို့ အဆင့်ဆင့်ပြောင်းလဲပေးသည့် အထူးပြု algorithms ကွင်းဆက်ပေါ်တွင် မှီခိုနေပါသည်။ Machine Learning သည် ဤအဆင့်များတစ်လျှောက်တွင် အရေးကြီးသောအခန်းကဏ္ဍမှ ပါဝင်နေပြီဖြစ်သော်လည်း လုပ်ငန်းတစ်ခုစီကို ၎င်း၏ကိုယ်ပိုင်ရည်ရွယ်ချက်ဖြင့်တည်ဆောက်ထားသောစနစ်ဖြင့် ကိုင်တွယ်ဆောင်ရွက်ပါသည်။ ပြန်လည်တည်ဆောက်ရေးကွင်းဆက်တစ်ခုလုံးတွင် လေ့ကျင့်သင်ကြားထားသည့် အခြေခံအုတ်မြစ်ပုံစံတစ်ခုသည် အဆိုပါပိုက်လိုင်းအား ပေါင်းစပ်ကာ လုပ်ငန်းဆောင်တာများတစ်လျှောက် လွှဲပြောင်းပေးသည့် တိုက်မိမှုဒေတာများ၏ မျှဝေထားသော ကိုယ်စားပြုမှုများကို သင်ယူမည်ဖြစ်သည်။
လေ့ကျင့်ရေးအဖွဲ့အစည်းသည် အတိုင်းအတာနှင့် အရည်အသွေးနှစ်မျိုးလုံးတွင် ထူးကဲသည်။ CERN သည် ကမ္ဘာပေါ်ရှိ မည်သည့်နေရာတွင်မဆို သိပ္ပံနည်းကျအချက်အလက်များ၏ အကြီးမားဆုံးအစုအဝေးများထဲမှတစ်ခုဖြစ်သည့် LHC မှ စမ်းသပ်အချက်အလက်များ၏ exabyte တစ်သန်း—တစ်သန်း terabytes—ကို ကိုင်ဆောင်ထားသည်။ ထို့အပြင် ဒေတာရေလွှမ်းမိုးမှု ကြီးထွားလာပါတော့မည်- High-Lluminosity LHC အဆင့်မြှင့်တင်မှုသည် 2030 ခုနှစ်ဝန်းကျင်တွင် စတင်လည်ပတ်ရန် မျှော်လင့်ထားပြီး ယာဉ်တိုက်မှုအရေအတွက် အကြမ်းဖျင်း ဆယ်ဆတိုးလာမည်ဖြစ်သည်။
တစ်ဖက်စီက ဘာတွေ ယူလာလဲ။
မိတ်ဖက်သည် ဖြည့်စွက်အားဖြည့်ပေးသည်။ CERN သည် အခြေခံကျသော ရူပဗေဒကျွမ်းကျင်မှု၊ ထောက်လှမ်းသည့်ကိရိယာနှင့် ဒေတာအခြေခံအဆောက်အအုံဆယ်စုနှစ်များနှင့် တိုက်မိမှုဒေတာများကို လုပ်ဆောင်ခြင်းဆိုင်ရာ ဓာတ်ခွဲခန်း၏သမိုင်းကြောင်းတစ်လျှောက် သန့်စင်ထားသော တွက်ချက်မှုအရင်းအမြစ်များကို petabyte အတိုင်းအတာဖြင့် ပံ့ပိုးပေးပါသည်။ ပြင်သစ်တွင် ရုံးချုပ်တည်ရှိပြီး ၎င်း၏ပွင့်လင်းသောအလေးချိန်ကြီးမားသောဘာသာစကားမော်ဒယ်များအတွက်လူသိများသော Mistral သည် ကြီးမားသောပုံစံလေ့ကျင့်မှုစွမ်းရည်ကို ပံ့ပိုးပေးသည် — ကြီးမားသောဒေတာအတွဲများကို ယေဘူယျရည်ရွယ်ချက်ပုံစံများအဖြစ်သို့ပြောင်းလဲခြင်း၏စည်းကမ်း။
"စွမ်းအင်မြင့်မားသော ရူပဗေဒသည် ဉာဏ်ရည်တုကို ထူးထူးခြားခြား တင်းကျပ်စွာ တီထွင်စမ်းသပ်နိုင်သည့် ထူးခြားသည့် ပတ်ဝန်းကျင်ကို ပံ့ပိုးပေးသည်" ဟု CERN ၏ သတင်းအချက်အလက်အရာရှိချုပ် Enrica Porcari က ကြေညာချက်တွင် ပြောကြားခဲ့သည်။ "ကျွန်ုပ်တို့သည် ရူပဗေဒအသိုင်းအဝိုင်းတစ်ခုလုံးကို ဝန်ဆောင်မှုပေးကာ မျှဝေအသုံးပြုနိုင်သည့် AI စွမ်းရည်များကို မြှင့်တင်ရန်အတွက် ဥရောပထိပ်တန်း AI ကုမ္ပဏီဖြစ်သော Mistral နှင့် ပူးပေါင်းဆောင်ရွက်လျက်ရှိသည်။"
Mistral မှ အင်ဂျင်နီယာဆိုင်ရာ AI ၏ ဒုတိယဥက္ကဋ္ဌ Johannes Brandstetter က မိတ်ဖက်နှစ်ဦးစလုံးအတွက် နယ်နိမိတ်အဖြစ် ပူးပေါင်းဆောင်ရွက်မှုကို ဘောင်ခတ်ထားပါသည်- "အတူတကွ၊ ကျွန်ုပ်တို့သည် စွမ်းအင်မြင့်မားသော ရူပဗေဒ၏ နယ်နိမိတ်များကို တွန်းအားပေးကာ သိပ္ပံနည်းကျရှာဖွေတွေ့ရှိမှုအသစ်များဆီသို့ အလားအလာရှိသော AI စွမ်းရည်များကို ဖော်ဆောင်ရန် အခွင့်အလမ်းရှိသည်။"
Mistral သည် ရှေ့တန်း AI ဓာတ်ခွဲခန်းများကြားတွင် ကွဲပြားသော ပရိုဖိုင်တစ်ခုဖြင့် ရောက်ရှိလာသည်။ ကုမ္ပဏီသည် လုပ်ငန်းများ၊ အများပိုင်အဖွဲ့အစည်းများနှင့် အဆင့်မြင့်စက်မှုလုပ်ငန်းများတွင် ၎င်းတို့၏ AI ကို စိတ်ကြိုက်ထိန်းချုပ်နိုင်ပြီး ၎င်းတို့၏ AI ကို ပိုင်ဆိုင်ခွင့်၊ စိတ်ကြိုက်ထိန်းချုပ်နိုင်စေမည့် ခေတ်မီဆန်းသစ်သော အပွင့်အလေးသာသော မော်ဒယ်များ၊ ထုတ်ကုန်များနှင့် အခြေခံအဆောက်အအုံများကို တည်ဆောက်နေသည့် ကမ္ဘာလုံးဆိုင်ရာ AI ဓာတ်ခွဲခန်းတစ်ခုအဖြစ် ဖော်ပြထားပါသည်။ CERN နှင့် တီထွင်ထားသော မော်ဒယ်သည် လုပ်ငန်းသုံးဓာတ်ခွဲခန်းများအတွင်း တီထွင်ထားသည့် ပိတ်ထားသော နယ်စပ်စနစ်များနှင့် ဆန့်ကျင်ဘက်အနေဖြင့် ယင်းကျင့်ဝတ်များဖြင့် ပုံဖော်မည်ဖြစ်သည်။
Physics Lab သည် Foundation Model ကို ဘာကြောင့် လိုချင်တာလဲ။
Collider physics သည် သိပ္ပံနည်းကျ အခြေခံ မော်ဒယ်များအတွက် ဆွဲဆောင်မှုရှိသော အထောက်အထားတစ်ခုဖြစ်သည်။ ဒေတာကို လုံးလုံးလျားလျား ပုံဖော်ထားပြီး ဆောက်လုပ်ရေးဖြင့် အညွှန်းတပ်ထားသည် — ရူပဗေဒပညာရှင်များသည် သန်းပေါင်းများစွာသော ပုံစံတူဖြစ်ရပ်များထဲသို့ ရောက်ရှိလာသည်ကို အတိအကျသိပါသည် — ၎င်းသည် လေ့ကျင့်မှုနှင့် အကဲဖြတ်ခြင်းကို ရှုတ်ထွေးသောကမ္ဘာပေါ်ရှိ ဒိုမိန်းများနှင့် နှိုင်းယှဉ်ပါက ပုံမှန်မဟုတ်စွာ တင်းကျပ်စေသည်။ ရူပဗေဒအသစ်၏ အချက်ပြမှုများသည် ပျောက်ကွယ်သွားသည်မှာလည်း ရှားပါးသည်၊ ထို့ကြောင့် မထင်မှတ်ထားသော အာရုံခံနိုင်စွမ်းကို မြှင့်တင်ပေးသည့် မည်သည့်နည်းလမ်းမဆို အရွယ်အစားထက် ပိုပါသည်။
မျှဝေထားသော ဖောင်ဒေးရှင်းပုံစံသည် ဖွဲ့စည်းတည်ဆောက်ပုံဆိုင်ရာ ပြဿနာကိုလည်း ဖြေရှင်းပေးသည်- ပြန်လည်တည်ဆောက်ရေးဆော့ဖ်ဝဲလ်သည် ရှုပ်ထွေးပြီး ထိန်းသိမ်းရန် စျေးကြီးပြီး HL-LHC အွန်လိုင်းပေါ်ရောက်လာသည့်အခါ ဒေတာပမာဏအတွက် ခြေလှမ်းအပြောင်းအလဲနှင့် ရင်ဆိုင်ရလိမ့်မည်။ CERN ၏လောင်းကြေးမှာ တစ်ခုတည်းသော လိုက်လျောညီထွေရှိသော ပုံစံတစ်မျိုးသည် ရူပဗေဒအသိုင်းအဝိုင်းနှင့် ပွင့်လင်းမြင်သာစွာ မျှဝေအသုံးပြုခြင်းဖြင့် အလုပ်-သတ်သတ်မှတ်မှတ် အယ်လဂိုရီသမ်များ၏ ဖာထေးခြင်းထက် ပိုမိုကောင်းမွန်သော စိန်ခေါ်မှုကို အတိုင်းအတာတစ်ခုအထိ အတိုင်းအတာတစ်ခုအထိ လုပ်ဆောင်နိုင်မည်ဖြစ်သည်။
စာချုပ်မဟုတ်၊ ရည်ရွယ်ချက်၏ထုတ်ပြန်ချက်
သတိပေးချက်တစ်ခုမှာ အရေးကြီးသည်- ကြေညာချက်သည် ပြီးပြည့်စုံသောသဘောတူညီချက်ထက် တရားဝင်ပူးပေါင်းဆောင်ရွက်မှု၏ ရှေ့ပြေးနိမိတ်ဖြစ်သည်။ ရန်ပုံငွေ၊ တွက်ချက်မှုဆိုင်ရာ ကတိကဝတ်များ၊ အချိန်ဇယားနှင့် ထွက်ပေါ်လာသည့် မည်သည့်မော်ဒယ်လ်များ၏ လိုင်စင်ထုတ်ပေးခြင်းကဲ့သို့သော အသေးစိတ်အချက်အလက်များကို CERN ၏ ထုတ်ပြန်ချက်တွင် မဖော်ပြထားပါ။
ကနဦးအာရုံစူးစိုက်မှုသည် စွမ်းအင်မြင့်မားသော ရူပဗေဒဖြစ်သော်လည်း၊ အဖွဲ့အစည်းနှစ်ခုစလုံးသည် ပိုမိုကျယ်ပြန့်သော သိပ္ပံအသိုက်အဝန်းကို ဝန်ဆောင်မှုပေးသည့် AI ချဉ်းကပ်မှုများတွင် ပူးပေါင်းလုပ်ဆောင်နိုင်သည့် အလားအလာရှိကြောင်း သတိပြုမိသည် — collider data မှ သက်သေပြထားသော နည်းပညာများသည် နောက်ဆုံးတွင် အခြားဒေတာအထူထပ်သော သိပ္ပံများထံ ပြောင်းရွှေ့သွားနိုင်သည်ဟု အချက်ပြပါသည်။
ဥရောပအတွက်၊ ပူးပေါင်းဆောင်ရွက်မှုသည် အချုပ်အခြာအာဏာပိုင် AI စွမ်းရည်ဆိုင်ရာ ကြေညာချက်တစ်ခုလည်းဖြစ်သည်။ အစိုးရများသည် နယ်စပ် AI ဖွံ့ဖြိုးတိုးတက်မှုကို ဗျူဟာမြောက်စွမ်းရည်အဖြစ် တိုးမြှင့်ကုသနေချိန်တွင် တိုက်ကြီး၏ အထင်ရှားဆုံး AI ဓာတ်ခွဲခန်းများထဲမှ တစ်ခုနှင့် CERN ၏ အဖွဲ့ဝင် 25 ပြည်နယ်၏ သိပ္ပံနည်းကျ အခြေခံအဆောက်အအုံနှင့် ချိတ်ဆက်လျက် ရှိပြီး ဥရောပ၏ သုတေသနအဖွဲ့များသည် ပြည်တွင်းဖြစ်ပုံစံများကို ရှာဖွေနေချိန်တွင် ၎င်းတို့သည် စာရင်းစစ်၊ လက်ခံဆောင်ရွက်ပေးရန်နှင့် ထိန်းချုပ်နိုင်သည်။
တကယ့်စမ်းသပ်မှုမှာ ကြီးမားသော ရူပဗေဒပုံစံ အကောင်အထည်ပေါ်လာခြင်း ရှိ၊ ထိုသို့ဆိုလျှင်၊ ဝဘ်ကို တီထွင်ခဲ့သော အမှုန်အမွှား ရူပဗေဒနယ်ပယ်သည် အခြေခံအုတ်မြစ်ပုံစံကို ပြန်လည်တည်ဆောက်သည့် ပထမဆုံး စည်းကမ်းဖြစ်လာပေမည်။
ဤဆောင်းပါးသည် CERN ၏ အောက်တိုဘာလ 15 ရက်၊ 2026 ခုနှစ်၏ တရားဝင်ကြေငြာချက်ကို အခြေခံထားသည်။
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
