När två protoner kolliderar, de släpper ut pyrotekniska strålar av partiklar, vars detaljer kan berätta för forskare något om fysikens natur och de grundläggande krafter som styr universum.

Enorma partikelacceleratorer som Large Hadron Collider kan generera miljarder sådana kollisioner per minut genom att krossa samman strålar av protoner nära ljusets hastighet. Forskare söker sedan igenom mätningar av dessa kollisioner i hopp om att hitta konstiga, oförutsägbart beteende bortom den etablerade fysikens fysbok som kallas standardmodellen.

Nu har MIT -fysiker hittat ett sätt att automatisera sökandet efter konstig och potentiellt ny fysik, med en teknik som bestämmer graden av likhet mellan par av kollisionshändelser. På det här sättet, de kan uppskatta sambandet mellan hundratusentals kollisioner i en protonstrålesmashup, och skapa en geometrisk karta över händelser enligt deras likhet.

Forskarna säger att deras nya teknik är den första som relaterar massor av partikelkollisioner till varandra, liknande ett socialt nätverk.

"Kartor över sociala nätverk är baserade på graden av anslutning mellan människor, och till exempel hur många grannar du behöver innan du går från en vän till en annan, "säger Jesse Thaler, docent i fysik vid MIT. "Det är samma idé här."

Thaler säger att detta sociala nätverk av partikelkollisioner kan ge forskare en känsla av de mer anslutna, och därför mer typiskt, händelser som inträffar när protoner kolliderar. De kan också snabbt upptäcka de olika händelserna, i utkanten av ett kollisionsnätverk, som de kan undersöka vidare för potentiellt ny fysik. Han och hans medarbetare, doktorander Patrick Komiske och Eric Metodiev, genomförde forskningen vid MIT Center for Theoretical Physics och MIT Laboratory for Nuclear Science. De beskriver sin nya teknik den här veckan i tidningen Fysiska granskningsbrev .

Se data agnostiskt

Thalers grupp fokuserar, till viss del, om att utveckla tekniker för att analysera öppna data från LHC och andra partikelkollideringsanläggningar i hopp om att gräva upp intressant fysik som andra kanske först hade missat.

"Att ha tillgång till denna offentliga data har varit underbart, "Säger Thaler." Men det är skrämmande att sålla igenom detta berg av data för att ta reda på vad som händer. "

Fysiker letar normalt igenom kollideringsdata efter specifika mönster eller energier för kollisioner som de tror är av intresse baserat på teoretiska förutsägelser. Så var fallet för upptäckten av Higgs boson, den svårfångade elementära partikeln som förutspåddes av standardmodellen. Partikelns egenskaper var teoretiskt beskrivna i detalj men hade inte observerats förrän 2012, när fysiker, veta ungefär vad man ska leta efter, hittade signaturer av Higgs boson dolda bland biljoner protonkollisioner.

Men tänk om partiklar uppvisar beteende utöver vad standardmodellen förutspår, att fysiker inte har någon teori att förutse?

Thaler, Komiske, och Metodiev har landat på ett nytt sätt att sikta igenom kollideringsdata utan att i förväg veta vad de ska leta efter. Istället för att överväga en enda kollisionshändelse åt gången, de letade efter sätt att jämföra flera händelser med varandra, med tanken att kanske genom att bestämma vilka händelser som är mer typiska och vilka som är mindre så, de kan välja ut outliers med potentiellt intressanta, oväntat beteende.

"Det vi försöker göra är att vara agnostiker om vad vi tror är ny fysik eller inte, "säger Metodiev." Vi vill låta data tala för sig själv. "

Smuts som rör sig

Partikelkollideringsdata är fyllda med miljarder protonkollisioner, var och en består av individuella sprayer av partiklar. Teamet insåg att dessa sprayer i huvudsak är punktmoln - samlingar av prickar, liknande punktmoln som representerar scener och objekt i datorsyn. Forskare inom detta område har utvecklat en arsenal av tekniker för att jämföra punktmoln, till exempel för att göra det möjligt för robotar att exakt identifiera objekt och hinder i sin miljö.

Metodiev och Komiske använde liknande tekniker för att jämföra punktmoln mellan par av kollisioner i partikelkollideringsdata. Särskilt, de anpassade en befintlig algoritm som är utformad för att beräkna den optimala energimängden, eller "arbete" som behövs för att omvandla ett punktmoln till ett annat. Kärnan i algoritmen är baserad på en abstrakt idé som kallas "jordens flyttaravstånd".

"Du kan föreställa dig energimängder som smuts, och du är jordflyttaren som måste flytta den smutsen från ett ställe till ett annat, "Thaler förklarar." Den mängd svett som du förbrukar från att komma från en konfiguration till en annan är begreppet avstånd som vi beräknar. "

Med andra ord, ju mer energi det tar att omorganisera ett punktmoln för att likna ett annat, ju längre ifrån varandra de är när det gäller deras likhet. Tillämpa denna idé på partikelkollideringsdata, laget kunde beräkna den optimala energin det skulle ta att omvandla ett givet punktmoln till ett annat, ett par i taget. För varje par, de tilldelade ett nummer, baserat på "avståndet, "eller graden av likhet de beräknade mellan de två. De betraktade sedan varje punktmoln som en enda punkt och ordnade dessa punkter i ett slags socialt nätverk.

Teamet har kunnat bygga ett socialt nätverk på 100, 000 par kollisionshändelser, från öppna data från LHC, använder sin teknik. Forskarna hoppas att genom att titta på kollisionsdatauppsättningar som nätverk, forskare kan snabbt flagga potentiellt intressanta händelser vid kanterna på ett givet nätverk.

"Vi skulle vilja ha en Instagram -sida för alla de galnaste händelserna, eller punktmoln, inspelad av LHC på en viss dag, "säger Komiske." Denna teknik är ett idealiskt sätt att bestämma den bilden. För att du bara hittar det som är längst bort från allt annat. "

Typiska collider -datauppsättningar som görs offentligt tillgängliga inkluderar normalt flera miljoner händelser, som har förvalts från ett ursprungligt kaos av miljarder kollisioner som inträffade vid ett givet tillfälle i en partikelaccelerator. Thaler säger att teamet arbetar med sätt att skala upp sin teknik för att bygga större nätverk, att eventuellt visualisera "formen, "eller allmänna relationer inom en hel dataset med partikelkollisioner.

Inom en snar framtid, han föreställer sig att testa tekniken på historiska data som fysikerna nu vet innehåller milstolpsfynd, som den första upptäckten 1995 av toppkvarken, den mest massiva av alla kända elementära partiklar.

"Toppkvarken är ett föremål som ger upphov till dessa roliga, trekantiga strålningsstrålar, som skiljer sig mycket från typiska sprayer med en eller två stickor, "Säger Thaler." Om vi ​​kunde återupptäcka toppkvarken i dessa arkivdata, med denna teknik som inte behöver veta vilken ny fysik den letar efter, det skulle vara väldigt spännande och kan ge oss förtroende för att tillämpa detta på nuvarande datamängder, för att hitta fler exotiska föremål. "

Denna artikel publiceras på nytt med tillstånd av MIT News (web.mit.edu/newsoffice/), en populär webbplats som täcker nyheter om MIT -forskning, innovation och undervisning.