Tänk dig att du har mycket data, men du vet inte riktigt vad du letar efter. Så vad gör du? I så fall använder du en dator som automatiskt söker efter avvikelser. Enligt forskaren Sascha Caron, detta kommer att vara en lovande metod för att uppnå nya genombrott inom partikelfysik. Tillsammans med andra ATLAS -forskare vid CERN, han har visat detta nya tillvägagångssätt i en uppsats i The European Physics Journal C, som publicerades tidigare denna månad.

Sedan upptäckten av Higgs Boson 2012, det fanns höga förväntningar på nya genombrott i fysik som uppstod från Large Hadron Collider (LHC) på CERN. "Tyvärr, det har varit få genombrott av samma storlek, kanske för att vi inte söker på tillräckligt många platser, "säger Sascha Caron, fysiker vid Radboud University och på Nikhef. Han är drivkraften bakom den nya metoden, tillsammans med kollegorna Sara Alderweireldt och Jeroen Schouwenberg.

Letar efter det okända

På LHC, forskare producerar enorma mängder data för att undersöka standardmodellen för partikelfysik, som beskriver krafterna och partiklarna som bildar all materia. Caron:"I sökandet efter Higgs -partikeln visste vi exakt vad vi letade efter, det enda okända var dess massa. Eftersom vi för närvarande inte vet exakt vad vi letar efter så att vi kan utöka standardmodellen ännu mer, det tar mycket längre tid att göra en ny upptäckt. Du kan jämföra det med att söka efter en dold leksak i ett stort rum fullt av leksaker, men utan att veta hur det ser ut. "

Först snabbt, då exakt

För att påskynda sökprocessen, Caron och ett antal kollegor har föreslagit ett nytt systematiskt tillvägagångssätt som kan användas för att hitta ledtrådar om nya partiklar. För närvarande, forskarna på CERN tittar mycket specifikt på en enda modell eller på en enda egenskap. Enligt Caron, detta kan göras annorlunda:"Genom att använda algoritmer, vi vill undersöka alla data samtidigt, använder automatisering, för att hitta avvikelser från standardmodellen. "

"Nackdelen med detta tillvägagångssätt är att vi kan undersöka data mindre exakt än i andra tillvägagångssätt, "säger Caron. För att lösa detta problem, forskarna utarbetade en tvåstegsmetod:först jämför alla data snabbt med standardmodellen, och fokusera sedan på avvikelserna du har hittat.

AI är framtiden

Breda sökmetoder med algoritmer används redan i andra fält, som genetik. "Denna breda sökmetod har inte använts tidigare för att analysera data från LHC. Detta beror på att data i partikelfysik ofta är mycket komplex jämfört med data i andra fält. Om du inte kan ange vilken typ av data du letar efter, det är svårt att lära ut en algoritm. "

Tillsammans med kollegorna Sara Alderweireldt och Jeroen Schouwenberg, Caron har nyligen genomfört en andra "körning" av data. Han vill förfina metoden ännu mer. "Mitt mål är att göra upptäckter inom partikelfysik genom artificiell intelligens (AI) och maskininlärning. En dator är inte bara objektiv, automatisering ger också en billigare och snabbare väg till vetenskapliga framsteg än den som för närvarande följs - inte bara inom partikelfysik utan inom alla vetenskapsområden. "