Stel je voor dat je veel data hebt, maar je weet niet echt wat je zoekt. Dus wat doe je? Dan gebruik je een computer die automatisch naar afwijkingen zoekt. Volgens onderzoeker Sascha Caron, dit wordt een veelbelovende methode om tot nieuwe doorbraken in de deeltjesfysica te komen. Samen met andere ATLAS-onderzoekers van CERN, hij heeft deze nieuwe benadering gedemonstreerd in een artikel in The European Physics Journal C, die eerder deze maand werd gepubliceerd.

Sinds de ontdekking van het Higgsdeeltje in 2012 er waren hoge verwachtingen van nieuwe doorbraken in de natuurkunde die voortkwamen uit de Large Hadron Collider (LHC) bij CERN. "Helaas, er zijn weinig doorbraken van gelijke omvang geweest, misschien omdat we niet op genoeg plaatsen zoeken, " zegt Sascha Caron, natuurkundige aan de Radboud Universiteit en aan het Nikhef. Hij is de drijvende kracht achter de nieuwe methode, samen met collega's Sara Alderweireldt en Jeroen Schouwenberg.

Op zoek naar het onbekende

Bij de LHC, wetenschappers produceren enorme hoeveelheden data om het standaardmodel voor deeltjesfysica te onderzoeken, die de krachten en deeltjes beschrijft die alle materie vormen. Caron:"In de zoektocht naar het Higgs-deeltje wisten we precies wat we zochten, de enige onbekende was de massa. Omdat we op dit moment niet precies weten waar we naar op zoek zijn en het standaard model nog verder kunnen uitbreiden, het duurt veel langer om tot een nieuwe ontdekking te komen. Je zou het kunnen vergelijken met het zoeken naar een verborgen speeltje in een grote kamer vol speelgoed, maar zonder te weten hoe het eruit ziet."

Eerst snel, dan precies

Om het zoekproces te versnellen, Caron en een aantal collega's hebben een nieuwe systematische aanpak voorgesteld die kan worden gebruikt om aanwijzingen over nieuwe deeltjes te vinden. Momenteel, de onderzoekers van CERN kijken heel specifiek naar één model of één kenmerk. Volgens Caron, dit kan ook anders:"Door algoritmen te gebruiken, we willen alle gegevens tegelijk onderzoeken, met behulp van automatisering, om afwijkingen van het standaardmodel te vinden."

“Het nadeel van deze aanpak is dat we de data minder precies kunnen onderzoeken dan bij andere benaderingen, " zegt Caron. Om dit probleem op te lossen, bedachten de onderzoekers een tweetrapsmethode:vergelijk eerst snel alle data met het standaardmodel, en focus je vervolgens op de afwijkingen die je hebt gevonden.

AI is de toekomst

Brede zoekmethoden met algoritmen worden al gebruikt in andere gebieden, zoals genetica. “Deze brede zoekmethode is nog niet eerder gebruikt om data uit de LHC te analyseren. Dit komt omdat de data in de deeltjesfysica vaak erg complex is in vergelijking met data in andere vakgebieden. Als je niet kunt aangeven naar wat voor soort data je op zoek bent, het is moeilijk om een ​​algoritme aan te leren."

Samen met collega's Sara Alderweireldt en Jeroen Schouwenberg, Caron heeft onlangs een tweede 'run' op de data uitgevoerd. Hij wil de methode nog verder verfijnen. "Mijn doel is om ontdekkingen te doen in de deeltjesfysica door middel van kunstmatige intelligentie (AI) en machine learning. Een computer is niet alleen objectief, automatisering biedt ook een goedkopere en snellere weg naar wetenschappelijke vooruitgang dan de huidige, niet alleen in de deeltjesfysica, maar in alle wetenschapsgebieden."