I recenti sviluppi nel campo dell’intelligenza artificiale stanno trasformando la ricerca di nuove particelle presso il Large Hadron Collider (LHC). Le collaborazioni ATLAS e CMS utilizzano tecniche avanzate di machine learning per identificare collisioni anomale che potrebbero indicare nuove particelle. Questi algoritmi di AI sono addestrati per riconoscere e differenziare tra i fasci di particelle tipici e atipici, consentendo di individuare interazioni potenzialmente nuove. In somma una sorta di sistema di anomaly detection.
Uno degli obiettivi principali degli esperimenti dell’LHC è trovare segni di nuove particelle che potrebbero spiegare molti dei misteri irrisolti della fisica. Tradizionalmente, la ricerca si è concentrata su particelle specifiche basate su previsioni teoriche. Tuttavia, l’uso dell’AI permette ora di analizzare enormi quantità di dati senza sapere esattamente cosa cercare, rendendo il processo molto più efficiente.
Durante la conferenza Rencontres de Moriond, i fisici della collaborazione CMS hanno presentato i risultati ottenuti utilizzando varie tecniche di machine learning per cercare coppie di “jet”. Questi jet o fasci collimati di particelle, originati da quark e gluoni, possono nascondere nuove particelle. L’AI è in grado di rilevare caratteristiche anomale nei dati delle collisioni, suggerendo la presenza di nuove particelle.
Diversi approcci di addestramento dell’AI sono stati adottati dai ricercatori di ATLAS e CMS. Un metodo consiste nell’analizzare l’intero evento di collisione e cercare caratteristiche anomale nei diversi tipi di particelle rilevate. Un altro metodo prevede la creazione di esempi simulati di nuovi segnali e l’addestramento dell’AI per identificare collisioni reali che differiscono dai jet regolari ma somigliano alla simulazione.
I risultati recenti mostrano che ogni metodo di addestramento dell’AI ha sensibilità diverse a vari tipi di nuove particelle. Nessun algoritmo singolo si è dimostrato il migliore, ma l’uso dell’AI ha significativamente migliorato la sensibilità rispetto alle tecniche tradizionali.
Questi sviluppi evidenziano come il machine learning stia rivoluzionando la ricerca di nuove particella, aprendo la strada a ulteriori miglioramenti e applicazioni future.
Per ulteriori dettagli, visitate SciTechDaily.