Immagina di avere molti dati, ma non sai davvero cosa stai cercando. Allora cosa fai? In tal caso utilizzi un computer che ricerca automaticamente le deviazioni. Secondo il ricercatore Sascha Caron, questo sarà un metodo promettente per ottenere nuove scoperte nella fisica delle particelle. Insieme ad altri ricercatori ATLAS del CERN, ha dimostrato questo nuovo approccio in un articolo su The European Physics Journal C, che è stato pubblicato all'inizio di questo mese.

Dalla scoperta del bosone di Higgs nel 2012, c'erano grandi aspettative per nuove scoperte in fisica emergenti dal Large Hadron Collider (LHC) al CERN. "Sfortunatamente, ci sono state poche scoperte di pari portata, forse perché non cerchiamo in abbastanza posti, "dice Sascha Caron, fisico alla Radboud University e alla Nikhef. È lui il motore del nuovo metodo, insieme ai colleghi Sara Alderweireldt e Jeroen Schouwenberg.

Alla ricerca dell'ignoto

All'LHC, gli scienziati producono enormi quantità di dati per studiare il modello standard per la fisica delle particelle, che descrive le forze e le particelle che formano tutta la materia. Caron:"Nella ricerca della particella di Higgs sapevamo esattamente cosa stavamo cercando, l'unica incognita era la sua massa. Poiché attualmente non sappiamo esattamente cosa stiamo cercando, quindi possiamo espandere ulteriormente il modello standard, ci vuole molto più tempo per fare una nuova scoperta. Potresti confrontarlo con la ricerca di un giocattolo nascosto in una grande stanza piena di giocattoli, ma senza sapere che aspetto ha."

Prima velocemente, allora esattamente

Per velocizzare il processo di ricerca, Caron e un certo numero di colleghi hanno proposto un nuovo approccio sistematico che può essere utilizzato per trovare indizi su nuove particelle. Attualmente, i ricercatori del CERN guardano in modo molto specifico a un singolo modello oa una singola caratteristica. Secondo Caron, questo può essere fatto in modo diverso:"Utilizzando algoritmi, vogliamo indagare tutti i dati contemporaneamente, utilizzando l'automazione, per trovare deviazioni dal modello standard."

"Lo svantaggio di questo approccio è che possiamo esaminare i dati in modo meno preciso rispetto ad altri approcci, " dice Caron. Per risolvere questo problema, i ricercatori hanno ideato un metodo in due fasi:prima confrontare rapidamente tutti i dati con il modello standard, e poi concentrati sulle deviazioni che hai trovato.

L'intelligenza artificiale è il futuro

Metodi di ricerca ampia con algoritmi sono già utilizzati in altri campi, come la genetica. "Questo ampio metodo di ricerca non è stato utilizzato in precedenza per analizzare i dati dell'LHC. Questo perché i dati nella fisica delle particelle sono spesso molto complessi rispetto ai dati in altri campi. Se non puoi indicare che tipo di dati stai cercando, è difficile insegnare un algoritmo."

Insieme ai colleghi Sara Alderweireldt e Jeroen Schouwenberg, Caron ha recentemente condotto una seconda "corsa" sui dati. Vuole affinare ancora di più il metodo. "Il mio obiettivo è fare scoperte nella fisica delle particelle attraverso l'intelligenza artificiale (AI) e l'apprendimento automatico. Un computer non è solo obiettivo, l'automazione fornisce anche un percorso più economico e veloce verso il progresso scientifico rispetto a quello che viene attualmente seguito, non solo nella fisica delle particelle, ma in tutti i campi della scienza".