Une nouvelle technologie d'apprentissage automatique testée par une équipe internationale de scientifiques comprenant le professeur assistant du MIT Philip Harris et le postdoctorant Dylan Rankin, tous deux du Laboratoire des sciences nucléaires, peut repérer des signatures de particules spécifiques parmi un océan de données du Grand collisionneur de hadrons (LHC) en un clin d'œil.

Sophistiqué et rapide, le nouveau système donne un aperçu du rôle décisif que l'apprentissage automatique jouera dans les futures découvertes en physique des particules à mesure que les ensembles de données deviennent plus gros et plus complexes.

Le LHC crée quelque 40 millions de collisions par seconde. Avec de telles quantités de données à passer au crible, il faut des ordinateurs puissants pour identifier les collisions susceptibles d'intéresser les scientifiques, qu'il s'agisse, peut-être, un soupçon de matière noire ou une particule de Higgs.

Maintenant, scientifiques du Laboratoire Fermi, CERN, MIT, l'Université de Washington, et ailleurs ont testé un système d'apprentissage automatique qui accélère le traitement de 30 à 175 fois par rapport aux méthodes existantes.

De telles méthodes traitent actuellement moins d'une image par seconde. En revanche, le nouveau système d'apprentissage automatique peut examiner jusqu'à 600 images par seconde. Au cours de sa période de formation, le système a appris à sélectionner un type spécifique de modèle de particules post-collision.

« Les modèles de collision que nous identifions, quarks top, sont l'une des particules fondamentales que nous sondons au Large Hadron Collider, " dit Harris, qui est membre du département de physique du MIT. "Il est très important que nous analysions autant de données que possible. Chaque donnée contient des informations intéressantes sur la façon dont les particules interagissent."

Ces données afflueront comme jamais auparavant une fois les mises à niveau actuelles du LHC terminées; d'ici 2026, l'accélérateur de particules de 17 milles devrait produire 20 fois plus de données qu'il ne le fait actuellement. Pour rendre les choses encore plus urgentes, les futures images seront également prises à des résolutions plus élevées qu'elles ne le sont actuellement. Dans tout, les scientifiques et les ingénieurs estiment que le LHC aura besoin de plus de 10 fois la puissance de calcul dont il dispose actuellement.

"Le défi de la course future, " dit Harris, « devient de plus en plus difficile à mesure que nos calculs deviennent plus précis et que nous sondons des effets de plus en plus précis. »

Les chercheurs du projet ont entraîné leur nouveau système à identifier des images de quarks top, le type de particule élémentaire le plus massif, quelque 180 fois plus lourd qu'un proton. "Avec les architectures d'apprentissage automatique à notre disposition, nous sommes en mesure d'obtenir des résultats de haute qualité scientifique, comparable aux meilleurs algorithmes d'identification du quark top au monde, " explique Harris. " La mise en œuvre des algorithmes de base à grande vitesse nous donne la flexibilité d'améliorer le calcul du LHC dans les moments critiques où il est le plus nécessaire. "

Cette histoire est republiée avec l'aimable autorisation de MIT News (web.mit.edu/newsoffice/), un site populaire qui couvre l'actualité de la recherche du MIT, innovation et enseignement.