Quando due protoni si scontrano, rilasciano getti pirotecnici di particelle, i cui dettagli possono dire agli scienziati qualcosa sulla natura della fisica e sulle forze fondamentali che governano l'universo.

Enormi acceleratori di particelle come il Large Hadron Collider possono generare miliardi di tali collisioni al minuto rompendo insieme fasci di protoni a una velocità prossima a quella della luce. Gli scienziati quindi cercano attraverso le misurazioni di queste collisioni nella speranza di portare alla luce stranezze, comportamento imprevedibile al di là del playbook stabilito della fisica noto come modello standard.

Ora i fisici del MIT hanno trovato un modo per automatizzare la ricerca di fisica strana e potenzialmente nuova, con una tecnica che determina il grado di somiglianza tra coppie di eventi di collisione. In questo modo, possono stimare le relazioni tra centinaia di migliaia di collisioni in uno scontro a fascio di protoni, e creare una mappa geometrica degli eventi in base al loro grado di somiglianza.

I ricercatori affermano che la loro nuova tecnica è la prima a mettere in relazione tra loro moltitudini di collisioni di particelle, simile a un social network.

"Le mappe dei social network si basano sul grado di connettività tra le persone, e per esempio, di quanti vicini hai bisogno prima di passare da un amico all'altro, "dice Jesse Thaler, professore associato di fisica al MIT. "È la stessa idea qui."

Thaler afferma che questo social networking delle collisioni di particelle può dare ai ricercatori un senso di più connesso, e quindi più tipico, eventi che si verificano quando i protoni si scontrano. Possono anche individuare rapidamente eventi dissimili, alla periferia di una rete di collisioni, che possono indagare ulteriormente per una fisica potenzialmente nuova. Lui e i suoi collaboratori, studenti laureati Patrick Komiske ed Eric Metodiev, ha svolto la ricerca presso il MIT Center for Theoretical Physics e il MIT Laboratory for Nuclear Science. Descrivono in dettaglio la loro nuova tecnica questa settimana nel diario Lettere di revisione fisica .

Vedere i dati in modo agnostico

Il gruppo di Thaler si concentra, in parte, sullo sviluppo di tecniche per analizzare i dati aperti dall'LHC e da altre strutture di collisori di particelle nella speranza di scoprire una fisica interessante che altri potrebbero aver inizialmente perso.

"Avere accesso a questi dati pubblici è stato meraviglioso, " dice Thaler. "Ma è scoraggiante setacciare questa montagna di dati per capire cosa sta succedendo".

I fisici normalmente esaminano i dati del collisore per modelli specifici o energie di collisioni che ritengono essere di interesse sulla base di previsioni teoriche. Tale è stato il caso della scoperta del bosone di Higgs, la sfuggente particella elementare prevista dal Modello Standard. Le proprietà della particella sono state teoricamente descritte in dettaglio ma non sono state osservate fino al 2012, quando i fisici, sapere approssimativamente cosa cercare, trovato firme del bosone di Higgs nascoste tra trilioni di collisioni di protoni.

Ma cosa succede se le particelle mostrano un comportamento al di là di quanto previsto dal Modello Standard, che i fisici non hanno una teoria da anticipare?

Tallero, Komiske, e Metodiev sono approdati a un nuovo modo per vagliare i dati del collisore senza sapere in anticipo cosa cercare. Piuttosto che considerare un singolo evento di collisione alla volta, hanno cercato modi per confrontare più eventi tra loro, con l'idea che forse determinando quali eventi sono più tipici e quali meno, potrebbero individuare valori anomali con potenzialmente interessanti, comportamento inaspettato.

"Quello che stiamo cercando di fare è essere agnostici su ciò che pensiamo sia una nuova fisica o meno, " dice Metodiev. "Vogliamo che i dati parlino da soli."

Sporcizia in movimento

I dati del collisore di particelle sono pieni zeppi di miliardi di collisioni di protoni, ciascuno dei quali comprende singoli spruzzi di particelle. Il team ha realizzato che questi spray sono essenzialmente nuvole di punti:raccolte di punti, simili alle nuvole di punti che rappresentano scene e oggetti nella visione artificiale. I ricercatori in quel campo hanno sviluppato un arsenale di tecniche per confrontare le nuvole di punti, ad esempio per consentire ai robot di identificare con precisione oggetti e ostacoli nel loro ambiente.

Metodiev e Komiske hanno utilizzato tecniche simili per confrontare le nuvole di punti tra coppie di collisioni nei dati del collisore di particelle. In particolare, hanno adattato un algoritmo esistente progettato per calcolare la quantità ottimale di energia, o "lavoro" necessario per trasformare una nuvola di punti in un'altra. Il punto cruciale dell'algoritmo si basa su un'idea astratta nota come "distanza del motore della terra".

"Puoi immaginare i depositi di energia come sporcizia, e tu sei il motore della terra che deve spostare quella terra da un posto all'altro, " spiega Thaler. "La quantità di sudore che si spende per passare da una configurazione all'altra è la nozione di distanza che stiamo calcolando".

In altre parole, più energia ci vuole per riorganizzare una nuvola di punti in modo che assomigli a un'altra, più distanti sono in termini di somiglianza. Applicando questa idea ai dati del collisore di particelle, il team è stato in grado di calcolare l'energia ottimale necessaria per trasformare una data nuvola di punti in un'altra, una coppia alla volta. Per ogni coppia, hanno assegnato un numero, in base alla "distanza, " o il grado di somiglianza che hanno calcolato tra i due. Hanno quindi considerato ogni nuvola di punti come un singolo punto e hanno organizzato questi punti in una sorta di social network.

Il team è stato in grado di costruire un social network di 100, 000 coppie di eventi di collisione, da dati aperti forniti da LHC, usando la loro tecnica. I ricercatori sperano che, osservando i dataset di collisione come reti, gli scienziati potrebbero essere in grado di segnalare rapidamente eventi potenzialmente interessanti ai margini di una determinata rete.

"Vorremmo avere una pagina Instagram per tutti gli eventi più folli, o nuvole di punti, registrato da LHC in un dato giorno, " dice Komiske. "Questa tecnica è un modo ideale per determinare quell'immagine. Perché trovi solo la cosa più lontana da tutto il resto".

I tipici set di dati del collisore resi disponibili al pubblico normalmente includono diversi milioni di eventi, che sono stati preselezionati da un caos originale di miliardi di collisioni che si sono verificate in un dato momento in un acceleratore di particelle. Thaler afferma che il team sta lavorando su come aumentare la propria tecnica per costruire reti più grandi, per visualizzare potenzialmente la "forma, " o relazioni generali all'interno di un intero set di dati di collisioni di particelle.

Nel futuro prossimo, prevede di testare la tecnica su dati storici che i fisici ora sanno contenere scoperte fondamentali, come la prima rilevazione nel 1995 del quark top, la più massiccia di tutte le particelle elementari conosciute.

"Il quark top è un oggetto che dà origine a questi divertenti, spruzzi di radiazioni a tre punte, che sono molto dissimili dai tipici spruzzi di uno o due rebbi, " dice Thaler. "Se potessimo riscoprire il quark top in questi dati d'archivio, con questa tecnica che non ha bisogno di sapere quale nuova fisica sta cercando, sarebbe molto eccitante e potrebbe darci fiducia nell'applicare questo ai set di dati attuali, per trovare oggetti più esotici."

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.