L'un des principaux défis de la physique des particules est de savoir comment interpréter de grands ensembles de données constitués de nombreux observables différents dans le contexte de modèles avec des paramètres différents.

Un nouvel article publié dans EPJ Plus , rédigé par Ursula Laa de l'Institut de statistique de l'Université BOKU, Vienne, et Valence allemande de l'École de physique et d'astronomie, Université Monash, Clayton, Australie, examine la simplification de grands ensembles de données et de nombreux problèmes de paramètres à l'aide d'outils pour diviser de grands espaces de paramètres dans un petit nombre de régions.

"Nous avons appliqué nos outils au problème dit de l'anomalie B. Dans ce problème, il existe un grand nombre de résultats expérimentaux et une théorie qui les prédit en termes de plusieurs paramètres", explique Laa. "Le problème a reçu beaucoup d'attention car les paramètres préférés pour expliquer les observations ne correspondent pas à ceux prédits par le modèle standard de la physique des particules, et en tant que tels, les résultats impliqueraient une nouvelle physique."

Valencia poursuit en expliquant que l'article montre comment l'outil Pandemonium peut fournir une manière graphique interactive d'étudier les liens entre les caractéristiques dans les observations et les régions de l'espace des paramètres.

"Dans le problème de l'anomalie B, par exemple, nous pouvons clairement visualiser la tension entre deux observables importants qui ont été distingués dans le passé", explique Valencia. "Nous pouvons également voir quelles mesures améliorées seraient les meilleures pour faire face à cette tension.

"Cela peut être très utile pour hiérarchiser les futurs tests afin de répondre aux questions non résolues."

Laa développe en expliquant que les méthodes développées et utilisées par le duo sont applicables à de nombreux autres problèmes, en particulier pour des modèles et des observables moins bien compris que les applications discutées dans l'article, comme les modèles multi-Higgs.

"Un défi est la visualisation d'espaces de paramètres multidimensionnels ; l'interface actuelle permet uniquement à l'utilisateur de visualiser des espaces de données de grande dimension de manière interactive", conclut Laa. "Le défi est d'automatiser cela, ce qui sera abordé dans des travaux futurs, en utilisant des techniques de réduction de dimension." + Explorer plus loin

Un nouvel outil de modélisation géoscientifique donne des résultats plus holistiques dans les prévisions