I ricercatori del Massachusetts Institute of Technology (MIT) hanno recentemente sviluppato una metrica che può essere utilizzata per catturare lo spazio degli eventi del collisore in base alla distanza del motore della terra (EMD), una misura utilizzata per valutare la dissomiglianza tra due distribuzioni di probabilità multidimensionali. La metrica che hanno proposto, delineato in un articolo pubblicato su Lettere di revisione fisica , potrebbe consentire lo sviluppo di nuovi potenti strumenti per analizzare e visualizzare i dati del collisore, che non si basano su una scelta di osservabili.

"La nostra ricerca è motivata da una domanda straordinariamente semplice:quando due collisioni di particelle sono simili?" Eric Metodiev, uno dei ricercatori che ha condotto lo studio, ha detto a Phys.org. "Al Large Hadron Collider (LHC), i protoni vengono frantumati insieme a energie estremamente elevate e ogni collisione produce un complesso mosaico di particelle. Due eventi di collisione possono sembrare simili, anche se sono costituiti da diversi numeri e tipi di particelle. Questo è analogo a come due mosaici possono sembrare simili, anche se sono composti da diversi numeri e colori di tessere."

Nel loro studio, Metodiev ei suoi colleghi hanno cercato di catturare la somiglianza tra gli eventi del collisore in un modo che è concettualmente utile per la fisica delle particelle. Per fare questo, hanno impiegato una strategia che fonde idee relative alla teoria del trasporto ottimale, che viene spesso utilizzato per sviluppare strumenti di riconoscimento delle immagini all'avanguardia, con approfondimenti dalla teoria quantistica dei campi, un costrutto che descrive le interazioni fondamentali delle particelle.

"Il nostro nuovo risultato è un metodo quantitativo per determinare la distanza (tramite una 'metrica') tra due eventi di collisione, " Disse Metodiev. "Una volta che conosci la distanza tra ogni coppia di eventi di collisione, è quindi possibile triangolare l'intero spazio dei dati di LHC. Speriamo che questo modo di elaborare le informazioni dall'LHC fornisca nuove intuizioni sulle interazioni fondamentali della natura".

Essenzialmente, la metrica sviluppata dai ricercatori rappresenta il "lavoro" necessario per riorganizzare un evento di collisione in un altro. Si basa sull'EMD, un metodo che viene tipicamente utilizzato per sviluppare strumenti di visione artificiale che confrontano le somiglianze tra due oggetti o immagini.

L'EDM funziona cercando di riorganizzare un evento in un altro spostando "sporco, " o in questo caso le energie delle particelle, in giro. Tipicamente, più lavoro è necessario per eseguire con successo questo riarrangiamento, più due eventi, oggetti o immagini sono dissimili.

"Il motivo per cui questa nozione di somiglianza è così utile nella fisica delle particelle è che si allinea con il modo in cui eseguiamo calcoli teorici, "Patrick Komiske, un altro ricercatore coinvolto nello studio, ha detto a Phys.org. "Nella teoria quantistica dei campi, non puoi prevedere esattamente cosa accadrà in un particolare evento di collisione, ma puoi prevedere la probabilità di produrre determinati modelli di detriti di particelle. Per definire cosa intendi per pattern, anche se, hai bisogno di una nozione di somiglianza, che risulta essere esattamente ciò che fornisce la nostra metrica."

Nella loro carta, Metodiev, Komiske e il loro collega Jesse Thaler hanno applicato specificamente la loro metrica ai jet; spruzzi di particelle che comunemente derivano da quark e gluoni ad alta energia. Mentre le proprietà dei singoli getti sono state ampiamente studiate negli ultimi quattro decenni, la loro metrica ha permesso ai ricercatori di studiare la relazione tra coppie di getti, svelando così nuove e complementari informazioni sul processo di formazione del getto.

"Avere una nozione universale di somiglianza tra gli eventi è molto utile per una varietà di attività di collisione, "Metodiev ha detto. "Un compito comune a LHC è classificare diversi tipi di collisioni, nello stesso modo in cui classificheresti un'immagine come contenente un gatto, cane, o unicorno. Usando la nostra metrica per classificare i getti come derivanti da un quark, gluone, o qualcosa di più esotico, otteniamo prestazioni che si avvicinano a quelle delle moderne tecniche di apprendimento automatico."

In una serie di valutazioni, i ricercatori hanno dimostrato l'efficacia del loro metodo nel catturare la somiglianza degli eventi del collisore. La loro tecnica ottenne risultati notevoli, con livelli di accuratezza paragonabili a quelli raggiunti dai modelli di machine learning all'avanguardia.

Oltre ad aiutare potenzialmente i ricercatori a classificare gli eventi del collisore, la metrica sviluppata da Metodiev e dai suoi colleghi potrebbe essere utilizzata per visualizzare i dati del collisore in un modo completamente nuovo. Tradizionalmente, nella fisica delle particelle, i ricercatori si concentrano su un singolo attributo di un insieme di eventi di collisione (cioè la "foresta") o sulle proprietà dettagliate di un singolo evento di collisione (cioè gli "alberi"). Poiché la nuova metrica consente agli utenti di raggruppare insieme eventi di collisione simili, consente l'osservazione simultanea della "foresta" e dei singoli "alberi", individuando gli eventi che meglio catturano le caratteristiche principali del dataset nel suo insieme.

"Inoltre, da un punto di vista più matematico, una volta che hai una nozione di distanza, puoi studiare la geometria dello spazio degli eventi, che fornisce un nuovo modo di pensare ai concetti esistenti nella fisica dei collisori risalenti agli anni '70, " Aggiunse Metodiev. "Ad esempio, per evitare gli infiniti nei calcoli della teoria quantistica dei campi, bisogna semplicemente assicurarsi che la geometria dell'evento sia sufficientemente liscia, senza punti singolari. Nel futuro, abbiamo in programma di sviluppare nuovi osservabili e tecniche di collisione basate su questa prospettiva geometrica".

La metrica sviluppata da Metodiev, Komiske e Thaler potrebbero avere numerose applicazioni interessanti. Potrebbe anche essere utilizzato per cercare irregolarità nei set di dati di LHC utilizzando una strategia nota come rilevamento delle anomalie, che potrebbe in definitiva aiutare a portare alla luce nuove prove fisiche.

A breve termine, i ricercatori intendono utilizzare la loro metrica per riscoprire aspetti noti del modello standard nel nuovo linguaggio geometrico che hanno proposto. In definitiva, però, la loro tecnica potrebbe svelare prove dell'esistenza di nuove particelle o forze, così come aspetti precedentemente sconosciuti del modello standard stesso.

"Con la nostra nozione di somiglianza, possiamo identificare non solo le configurazioni di eventi più comuni, ma anche quelli più esotici, ed è possibile che questi eventi esotici possano fornire suggerimenti per la fisica oltre il modello standard, " Thaler ha detto a Phys.org. "Stiamo attualmente lavorando per confrontare questa idea con i dati pubblici del collisore. Dal 2014, l'esperimento CMS all'LHC ha rilasciato sottoinsiemi dei loro dati per un uso illimitato, comprese tutte le informazioni necessarie per calcolare la nostra metrica. Questo ci dà l'opportunità di esplorare lo spazio degli eventi sui dati dei collisori reali".

© 2019 Scienza X Rete