🤖 Une IA apprend à démêler les particules produites par le futur LHC

Le futur Grand collisionneur de hadrons (LHC) produira beaucoup plus de données qu’aujourd’hui. Une nouvelle méthode utilisant une intelligence artificielle pourrait aider les physiciens à les trier.

Le LHC fait entrer des protons en collision afin d’étudier les plus petits composants de la matière. Sa future version doit fonctionner au plus tôt en 2030. Elle produira environ 40 millions de collisions par seconde, avec quatre à cinq fois plus de collisions simultanées que le maximum actuel.

Le détecteur CMS devra retrouver les particules produites au milieu de cette activité. Il recevra pour cela HGCAL, un appareil doté d’environ six millions de capteurs. Lorsqu’une particule le traverse, elle crée une cascade de nouvelles particules. Cet ensemble est appelé une gerbe.

Chaque capteur enregistre une petite partie de ces gerbes et de leur énergie. Le problème apparaît lorsque plusieurs cascades se mélangent. Le logiciel doit alors relier chaque signal à la bonne particule d’origine. Cette tâche devient particulièrement difficile lorsque les collisions se déroulent presque au même endroit.

Les méthodes actuelles tentent de reconstruire directement chaque gerbe à partir de ses caractéristiques. La nouvelle méthode avec IA procède autrement. Elle apprend d’abord quels signaux se ressemblent et pourraient partager la même origine. Elle sépare parallèlement ceux qui semblent provenir de particules différentes.

Une seconde étape rassemble ensuite les signaux associés. Cette technique se nomme apprentissage contrastif, car elle apprend en comparant les ressemblances et les différences. Les chercheurs ont confronté cette méthode au système actuel sur des données entièrement simulées.

Dans ces essais, la nouvelle approche a mieux séparé les gerbes qui se chevauchaient. Elle a aussi estimé leur énergie avec davantage de précision. Son avantage augmentait dans les événements les plus chargés. Elle restait même efficace avec des quantités de particules et des énergies absentes de son entraînement.

L’algorithme doit désormais réussir dans une simulation complète de CMS et de HGCAL. Des tests supplémentaires détermineront ensuite si cette méthode peut réellement analyser les futures collisions du LHC.