「我們的工作就好似檢視飛機失事的殘骸，並試圖重建坐在A17座位的乘客穿的是什麼顏色的褲子」，魏茲曼科學研究院粒子物理暨天體物理系Eilam Gross教授指導的博士生Jonathan Shlomi如此說道。只不過，他所指的事發點不是大海某處或暴風雨中的某山頂，而是歐洲核子研究機構（CERN）著名的大型強子對撞機（LHC）。在那，碰撞粒子被比擬為一架失事的飛機。
CERN的粒子加速器對Gross教授來說並不陌生，早在2011至2013年間，他就帶領了一個研究團隊利用超環面儀器（ATLAS）尋找希格斯玻色子，也是在2012年7月宣佈發現這個難以捉摸之粒子的兩個小組之一。希格斯玻色子常被稱為「上帝的粒子」，其發現解答了物理界幾十年來的難題，即粒子是如何獲得質量的？根據彼得·希格斯在1960年代預測的模型，這個粒子就是關鍵。然而儘管科學家多次嘗試，該粒子在2012年之前僅存在理論中。終於皇天不負苦心人，粒子被發現、謎底就此揭曉，Gross也在2014年回到以色列。在解答了現代物理最重大的問題之一後，Gross的下一個研究題目是什麼？
發現未知粒子或次原子世界的任何新特徵，意謂的是人們在粒子、也就是高能物理領域上的重大進展。在發現「上帝的粒子」後，CERN將焦點放在證明其他理論模型上，譬如超對稱的理論。根據這個理論，每個玻色子都有與其相對應的費米子，反之亦然。然而，由於這些努力陷入死胡同，Gross意識到也許該選擇新的道路，也就是對現有數據分析方法進行增強和微調，以改善數據提取及提升決策效率：決定哪些是該由現今及未來加速器進行搜尋的粒子。為了實現這一目標，Gross在魏茲曼研究所成立了一個專攻使用機器學習來解決粒子物理重大問題的研究團隊，Shlomi是第一個加入此團隊的學生，加入後也立即接下了改進超環面儀器的數據集分析任務；這探測器裡面包含了約1億個零件。
超環面儀器的零件會在粒子在其內部碰撞時記錄粒子的能量，這個數據再交由科學家譯解。但由於加速器在運行時每秒有超過十億次的碰撞，這帶來了兩個問題：一來是如此巨大的數據無法由人工進行分析，二來是即便探測器的零件數量已極多，仍無法有效地以同樣的精度來收集這些在微觀尺度上快速演變的事件。
Gross團隊決定解決的第一個挑戰是增強對不同夸克類型的區分，夸克是可在較大粒子碰撞時被探測到的基本粒子。現已知有六種夸克（稱為六種味道），各自有其獨特的質量，希格斯玻色子在碰撞後衰變成的夸克類型與其質量相關。比如說觀察到希格斯玻色子衰變成底夸克的機率非常高，因為其質量大；上夸克和下夸克則因質量之輕，基本上是無法被探測到。而魅夸克既不輕也不重，因此難被單獨辨識出來，也難從底夸克被區分出。
針對這個區分困難，研究團隊設計一套粒子流演算法，會就時間和空間來分析這些粒子的運動及能量散布的模式。在用了數十億次的粒子碰撞模擬來訓練這套演算法後，研究人員證明了電腦是能被教會如何辨識和分析相關數據的。Gross指出，「人們目前無法建造更靈敏的探測器，但基於對粒子碰撞背後物理的理解，便可針對這些碰撞事件建構高解析度的模擬，以解答如下的問題：假使探測器有額外的零件是可對碰撞進行更準確測量的話，探測器將如何反應？」
Gross及其團隊已為他們研發的算法提供了概念證明，下一步將會是在更大的數據集上進行測試。Shlomi指出，為了從大型強子對撞機的測量中獲取更高的科學價值，團隊研發之數據分析方法的靈敏度必須要越高越好，精確的模擬則是幫助團隊盡可能提高方法靈敏度的高價值工具。
Gross 相信粒子物理領域整體朝著人工智慧的方向發展，到了某個程度後，未來將不再有科學家會特別強調其分析是仰賴機器學習，因為這樣的技術會成為科學家工具箱中既定且基本的工具。「雖然人們尚未達到這樣的境界，不過遲早走到那一步時，這整個領域都將轉變，我們也將見證高能物理數據分析方法的革命」。
