Sergei Gleyzer 自 2019 年起担任阿拉巴马大学物理与天文学系副教授，最近被任命为美国物理学会会士。据美国物理学会网站称，该奖项旨在表彰“物理学领域的卓越成就和对物理学界的杰出服务”。
Gleyzer 使用机器学习来探测宇宙的最深处。他致力于开发更有效的机器学习模型，以简化在瑞士欧洲核研究组织（也称为 CERN）和伊利诺伊州费米国家加速器实验室进行的实验，他也在这两个顶级物理机构中担任职务。这两个实验室都是国际合作的中心，专注于使用大型粒子加速器来分析粒子在不同环境中的行为。
这些实验旨在解释特定粒子如何相互作用，以了解为什么宇宙看起来像今天的样子。
“整个粒子动物园，”格莱泽说。– 为了让我们能够了解宇宙今天的样子以及它是如何到达那里的，粒子物理学是最基本的东西。 –
格莱泽实验室的本科生研究员詹姆斯·阮 (James Nguyen) 表示，欧洲核子研究中心的工作是“推动物理学的前沿，探索和发现更大的问题和宇宙的组成部分。”
Gleyzer 的实验室正在尝试改进模型，对 CERN 的紧凑型介子螺线管探测器中检测到的粒子类型进行分类。尽管粒子物理学的标准模型非常精确地预测了宇宙中大多数粒子的行为，但仍有许多重大问题尚未得到解答。
“我们可以预测一些事情，并通过实验以非常非常高的精度测量它们，但有些大事情仍然不适合，”格莱泽说。
暗物质和暗能量是假设的、不可见的质量和能量形式，几乎构成了宇宙的 95%，它们的构成是当前理论无法解释的“大问题”之一。研究人员希望通过更多的实验和对这些实验的更深入的了解，他们可能会发现是什么控制了这些神秘现象。
格莱泽说，虽然我们肉眼看不到颗粒，但它们影响着人们的日常生活。他以电子为例。它是驱动现代世界、照亮房屋并使智能手机等事物成为可能的基本粒子。
Gleyzer 还致力于开发新的机器学习模型和技术。去年，该团队开发了 Lensformer，这是一种新的机器学习模型，它结合了既定的数学定律来提高性能。
该小组可以根据当前的任何物理问题定制其模型的架构。两年来，该模式的表现优于传统竞争对手。
“我真的很感兴趣，利用我们对物理问题和系统的了解，为特定任务构建更好的模型，”实验室研究生埃里克·莱因哈特 (Eric Reinhardt) 说。
这些以及更多新颖的机器学习技术可以作为帮助研究人员探索其领域的工具。由于机器学习模型的计算成本往往比直接计算低得多，因此这些模型比传统方法更具成本效益且耗时更少。
此类技术可应用于涉及密集计算和/或模拟的任何领域，例如气候科学和生物学。
格莱泽的工作可以推动计算领域的发展，同时也提高研究人员对宇宙中最基本粒子的理解。
“如果不了解小事，我们就没有希望了解大事，”格莱泽说。