Lorsque deux protons entrent en collision, ils libèrent des jets pyrotechniques de particules, dont les détails peuvent renseigner les scientifiques sur la nature de la physique et les forces fondamentales qui régissent l'univers.

D'énormes accélérateurs de particules tels que le Large Hadron Collider peuvent générer des milliards de telles collisions par minute en brisant ensemble des faisceaux de protons à une vitesse proche de la vitesse de la lumière. Les scientifiques recherchent ensuite des mesures de ces collisions dans l'espoir de découvrir des comportement imprévisible au-delà du livre de jeu établi de la physique connu sous le nom de modèle standard.

Maintenant, les physiciens du MIT ont trouvé un moyen d'automatiser la recherche de physique étrange et potentiellement nouvelle, avec une technique qui détermine le degré de similitude entre les paires d'événements de collision. De cette façon, ils peuvent estimer les relations entre des centaines de milliers de collisions dans un écrasement de faisceau de protons, et créer une carte géométrique des événements selon leur degré de similitude.

Les chercheurs disent que leur nouvelle technique est la première à relier entre elles des multitudes de collisions de particules, semblable à un réseau social.

"Les cartes des réseaux sociaux sont basées sur le degré de connectivité entre les personnes, et par exemple, de combien de voisins avez-vous besoin avant de passer d'un ami à un autre, " dit Jesse Thaler, professeur agrégé de physique au MIT. "C'est la même idée ici."

Thaler dit que ce réseautage social de collisions de particules peut donner aux chercheurs une idée de ce qui est plus connecté, et donc plus typique, événements qui se produisent lorsque des protons entrent en collision. Ils peuvent également repérer rapidement les événements dissemblables, en périphérie d'un réseau de collision, qu'ils peuvent étudier plus avant pour une physique potentiellement nouvelle. Lui et ses collaborateurs, les étudiants diplômés Patrick Komiske et Eric Metodiev, a effectué les recherches au MIT Center for Theoretical Physics et au MIT Laboratory for Nuclear Science. Ils détaillent leur nouvelle technique cette semaine dans le journal Lettres d'examen physique .

Voir les données de manière agnostique

Le groupe de Thaler se concentre, en partie, sur le développement de techniques pour analyser les données ouvertes du LHC et d'autres installations de collisionneur de particules dans l'espoir de découvrir des données physiques intéressantes que d'autres auraient pu manquer au départ.

"Avoir accès à ces données publiques a été merveilleux, ", dit Thaler. "Mais c'est intimidant de passer au crible cette montagne de données pour comprendre ce qui se passe."

Les physiciens recherchent normalement dans les données des collisionneurs des modèles ou des énergies de collisions spécifiques qu'ils pensent être intéressants sur la base de prédictions théoriques. Ce fut le cas pour la découverte du boson de Higgs, la particule élémentaire insaisissable qui a été prédite par le modèle standard. Les propriétés de la particule ont été théoriquement décrites en détail mais n'avaient été observées qu'en 2012, quand les physiciens, savoir approximativement ce qu'il faut chercher, ont trouvé des signatures du boson de Higgs cachées au milieu de milliards de collisions de protons.

Mais que se passe-t-il si les particules présentent un comportement au-delà de ce que le modèle standard prédit, que les physiciens n'ont aucune théorie à prévoir ?

Thaler, Komiske, et Metodiev ont découvert une nouvelle façon de passer au crible les données du collisionneur sans savoir à l'avance quoi rechercher. Plutôt que de considérer un seul événement de collision à la fois, ils ont cherché des moyens de comparer plusieurs événements les uns avec les autres, avec l'idée que peut-être en déterminant quels événements sont plus typiques et lesquels le sont moins, ils pourraient repérer des valeurs aberrantes potentiellement intéressantes, comportement inattendu.

"Ce que nous essayons de faire, c'est d'être agnostique sur ce que nous pensons être de la nouvelle physique ou non, ", dit Metodiev. "Nous voulons laisser les données parler d'elles-mêmes."

Déplacement de la saleté

Les données du collisionneur de particules regorgent de milliards de collisions de protons, dont chacun comprend des pulvérisations individuelles de particules. L'équipe a réalisé que ces sprays sont essentiellement des nuages ​​de points - des collections de points, similaire aux nuages ​​de points qui représentent des scènes et des objets en vision par ordinateur. Les chercheurs dans ce domaine ont développé un arsenal de techniques pour comparer les nuages ​​de points, par exemple pour permettre aux robots d'identifier avec précision les objets et les obstacles dans leur environnement.

Metodiev et Komiske ont utilisé des techniques similaires pour comparer les nuages ​​de points entre les paires de collisions dans les données du collisionneur de particules. En particulier, ils ont adapté un algorithme existant conçu pour calculer la quantité optimale d'énergie, ou "travail" qui est nécessaire pour transformer un nuage de points en un autre. Le nœud de l'algorithme est basé sur une idée abstraite connue sous le nom de « distance du moteur de la Terre ».

"Vous pouvez imaginer les dépôts d'énergie comme étant de la saleté, et tu es le déménageur qui doit déplacer cette saleté d'un endroit à un autre, " explique Thaler. " La quantité de sueur que vous dépensez pour passer d'une configuration à une autre est la notion de distance que nous calculons. "

En d'autres termes, plus il faut d'énergie pour réarranger un nuage de points pour qu'il ressemble à un autre, plus ils sont éloignés en termes de similitude. En appliquant cette idée aux données du collisionneur de particules, l'équipe a pu calculer l'énergie optimale qu'il faudrait pour transformer un nuage de points donné en un autre, une paire à la fois. Pour chaque paire, ils ont attribué un numéro, sur la base de la "distance, " ou le degré de similitude qu'ils ont calculé entre les deux. Ils ont ensuite considéré chaque nuage de points comme un seul point et ont organisé ces points dans une sorte de réseau social.

L'équipe a pu construire un réseau social de 100, 000 paires d'événements de collision, à partir des données ouvertes fournies par le LHC, en utilisant leur technique. Les chercheurs espèrent qu'en considérant les ensembles de données de collision comme des réseaux, les scientifiques peuvent être en mesure de signaler rapidement des événements potentiellement intéressants aux bords d'un réseau donné.

"Nous aimerions avoir une page Instagram pour tous les événements les plus fous, ou nuages ​​de points, enregistré par le LHC un jour donné, " dit Komiske. "Cette technique est un moyen idéal pour déterminer cette image. Parce que vous trouvez juste la chose qui est la plus éloignée de tout le reste."

Les ensembles de données typiques des collisionneurs qui sont rendus publics comprennent normalement plusieurs millions d'événements, qui ont été présélectionnés à partir d'un chaos original de milliards de collisions qui se sont produites à un moment donné dans un accélérateur de particules. Thaler dit que l'équipe travaille sur des moyens d'étendre sa technique pour construire de plus grands réseaux, de visualiser potentiellement la « forme, " ou des relations générales au sein d'un ensemble de données entier de collisions de particules.

Dans le futur proche, il envisage de tester la technique sur des données historiques dont les physiciens savent maintenant qu'elles contiennent des découvertes marquantes, comme la première détection en 1995 du quark top, la plus massive de toutes les particules élémentaires connues.

"Le quark top est un objet qui donne lieu à ces drôles, pulvérisations de rayonnement à trois volets, qui sont très différents des pulvérisations typiques d'une ou deux branches, " dit Thaler. " Si nous pouvions redécouvrir le quark top dans ces données d'archives, avec cette technique qui n'a pas besoin de savoir quelle nouvelle physique elle recherche, ce serait très excitant et pourrait nous donner confiance en l'appliquant aux ensembles de données actuels, pour trouver des objets plus exotiques."

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.