Imaginez que vous avez beaucoup de données, mais vous ne savez pas vraiment ce que vous cherchez. Donc que fais-tu? Dans ce cas, vous utilisez un ordinateur qui recherche automatiquement les écarts. Selon le chercheur Sascha Caron, ce sera une méthode prometteuse pour réaliser de nouvelles percées en physique des particules. Avec d'autres chercheurs d'ATLAS au CERN, il a démontré cette nouvelle approche dans un article dans The European Physics Journal C, qui a été publié plus tôt ce mois-ci.

Depuis la découverte du boson de Higgs en 2012, on attendait beaucoup de nouvelles percées en physique issues du Grand collisionneur de hadrons (LHC) au CERN. "Malheureusement, il y a eu peu de percées d'une ampleur égale, peut-être parce que nous ne cherchons pas assez d'endroits, " dit Sascha Caron, physicien à Radboud University et à Nikhef. Il est le moteur de la nouvelle méthode, avec ses collègues Sara Alderweireldt et Jeroen Schouwenberg.

A la recherche de l'inconnu

Au LHC, les scientifiques produisent d'énormes quantités de données pour étudier le modèle standard de la physique des particules, qui décrit les forces et les particules qui forment toute la matière. Caron :« Dans la recherche de la particule de Higgs, nous savions exactement ce que nous recherchions, la seule inconnue était sa masse. Parce que nous ne savons actuellement pas exactement ce que nous recherchons pour pouvoir étendre encore plus le modèle standard, il faut beaucoup plus de temps pour faire une nouvelle découverte. Vous pouvez comparer cela avec la recherche d'un jouet caché dans une grande pièce pleine de jouets, mais sans savoir à quoi ça ressemble."

D'abord rapidement, alors exactement

Pour accélérer le processus de recherche, Caron et plusieurs collègues ont proposé une nouvelle approche systématique qui peut être utilisée pour trouver des indices sur de nouvelles particules. Actuellement, les chercheurs du CERN s'intéressent très spécifiquement à un seul modèle ou à une seule caractéristique. Selon Caron, cela peut être fait différemment :« En utilisant des algorithmes, nous voulons étudier toutes les données simultanément, en utilisant l'automatisation, pour trouver des écarts par rapport au modèle standard."

"L'inconvénient de cette approche est que nous pouvons examiner les données de manière moins précise que dans d'autres approches, " dit Caron. Pour résoudre ce problème, les chercheurs ont mis au point une méthode en deux étapes :d'abord comparer rapidement toutes les données au modèle standard, puis concentrez-vous sur les écarts que vous avez trouvés.

L'IA est l'avenir

Des méthodes de recherche large avec des algorithmes sont déjà utilisées dans d'autres domaines, comme la génétique. « Cette méthode de recherche large n'a pas été utilisée auparavant pour analyser les données du LHC. En effet, les données en physique des particules sont souvent très complexes par rapport aux données d'autres domaines. Si vous ne pouvez pas indiquer le type de données que vous recherchez, il est difficile d'enseigner un algorithme."

Avec ses collègues Sara Alderweireldt et Jeroen Schouwenberg, Caron a récemment effectué un deuxième « run » sur les données. Il veut affiner encore plus la méthode. "Mon objectif est de faire des découvertes en physique des particules grâce à l'intelligence artificielle (IA) et à l'apprentissage automatique. Un ordinateur n'est pas seulement objectif, L'automatisation offre également un chemin moins coûteux et plus rapide vers le progrès scientifique que celui qui est actuellement suivi - non seulement en physique des particules mais dans tous les domaines de la science. »