Als twee protonen botsen, ze laten pyrotechnische deeltjes deeltjes los, waarvan de details wetenschappers iets kunnen vertellen over de aard van de natuurkunde en de fundamentele krachten die het universum beheersen.

Enorme deeltjesversnellers zoals de Large Hadron Collider kunnen miljarden van dergelijke botsingen per minuut genereren door bundels protonen met bijna de lichtsnelheid tegen elkaar te slaan. Wetenschappers doorzoeken vervolgens de metingen van deze botsingen in de hoop vreemde, onvoorspelbaar gedrag dat verder gaat dan het gevestigde speelboek van de natuurkunde dat bekend staat als het standaardmodel.

Nu hebben natuurkundigen van het MIT een manier gevonden om de zoektocht naar vreemde en mogelijk nieuwe natuurkunde te automatiseren, met een techniek die de mate van overeenkomst tussen paren botsingsgebeurtenissen bepaalt. Op deze manier, ze kunnen de relaties schatten tussen honderdduizenden botsingen in een protonenbundel-smashup, en maak een geometrische kaart van gebeurtenissen op basis van hun mate van overeenkomst.

De onderzoekers zeggen dat hun nieuwe techniek de eerste is die massa's deeltjesbotsingen met elkaar in verband brengt, vergelijkbaar met een sociaal netwerk.

"Kaarten van sociale netwerken zijn gebaseerd op de mate van connectiviteit tussen mensen, en bijvoorbeeld hoeveel buren je nodig hebt voordat je van de ene vriend naar de andere gaat, " zegt Jesse Thaler, universitair hoofddocent natuurkunde aan het MIT. "Het is hier hetzelfde idee."

Thaler zegt dat dit sociale netwerk van deeltjesbotsingen onderzoekers een gevoel kan geven van de meer verbonden, en daarom meer typisch, gebeurtenissen die optreden wanneer protonen botsen. Ze kunnen ook snel de verschillende gebeurtenissen herkennen, aan de rand van een botsingsnetwerk, die ze verder kunnen onderzoeken voor mogelijk nieuwe fysica. Hij en zijn medewerkers, afgestudeerde studenten Patrick Komiske en Eric Metodiev, voerde het onderzoek uit bij het MIT Center for Theoretical Physics en het MIT Laboratory for Nuclear Science. Ze beschrijven hun nieuwe techniek deze week in het tijdschrift Fysieke beoordelingsbrieven .

De gegevens agnostisch bekijken

De groep van Thaler richt zich, gedeeltelijk, over het ontwikkelen van technieken om open data van de LHC en andere deeltjesversnellerfaciliteiten te analyseren in de hoop interessante natuurkunde op te graven die anderen in eerste instantie misschien hadden gemist.

"Toegang hebben tot deze openbare gegevens was geweldig, "zegt Thaler. "Maar het is ontmoedigend om door deze berg gegevens te spitten om erachter te komen wat er aan de hand is."

Natuurkundigen kijken normaal gesproken door de gegevens van de botser naar specifieke patronen of energieën van botsingen waarvan zij denken dat ze van belang zijn op basis van theoretische voorspellingen. Dat was het geval bij de ontdekking van het Higgs-deeltje, het ongrijpbare elementaire deeltje dat werd voorspeld door het standaardmodel. De eigenschappen van het deeltje waren theoretisch in detail geschetst, maar waren pas in 2012 waargenomen. wanneer natuurkundigen, ongeveer weten waar je naar moet zoeken, vond handtekeningen van het Higgs-deeltje verborgen te midden van biljoenen protonbotsingen.

Maar wat als deeltjes gedrag vertonen dat verder gaat dan wat het standaardmodel voorspelt, dat natuurkundigen geen theorie hebben om op te anticiperen?

Thaler, Komiske, en Metodiev zijn op een nieuwe manier beland om gegevens van botsers te doorzoeken zonder van tevoren te weten waar ze op moeten letten. In plaats van één enkele botsingsgebeurtenis tegelijk te beschouwen, ze zochten naar manieren om meerdere gebeurtenissen met elkaar te vergelijken, met het idee dat misschien door te bepalen welke gebeurtenissen meer typisch zijn en welke minder, ze kunnen uitbijters selecteren met mogelijk interessante, onverwacht gedrag.

"Wat we proberen te doen, is agnostisch zijn over wat we denken dat nieuwe fysica is of niet, ", zegt Metodiev. "We willen de gegevens voor zichzelf laten spreken."

Bewegend vuil

Gegevens van deeltjesversneller zitten boordevol miljarden protonbotsingen, die elk individuele sprays van deeltjes omvatten. Het team realiseerde zich dat deze sprays in wezen puntenwolken zijn:verzamelingen stippen, vergelijkbaar met de puntenwolken die scènes en objecten in computervisie vertegenwoordigen. Onderzoekers op dat gebied hebben een arsenaal aan technieken ontwikkeld om puntenwolken te vergelijken, bijvoorbeeld om robots in staat te stellen objecten en obstakels in hun omgeving nauwkeurig te identificeren.

Metodiev en Komiske gebruikten vergelijkbare technieken om puntenwolken tussen paren botsingen in deeltjesversnellergegevens te vergelijken. Vooral, ze hebben een bestaand algoritme aangepast dat is ontworpen om de optimale hoeveelheid energie te berekenen, of "werk" dat nodig is om de ene puntenwolk in de andere te transformeren. De kern van het algoritme is gebaseerd op een abstract idee dat bekend staat als de afstand van de aarde.

"Je kunt je energie-afzettingen voorstellen als vuil, en jij bent de grondverzet die dat vuil van de ene plaats naar de andere moet verplaatsen, " legt Thaler uit. "De hoeveelheid zweet die je verbruikt om van de ene configuratie naar de andere te gaan, is het begrip afstand dat we aan het berekenen zijn."

Met andere woorden, hoe meer energie het kost om een ​​puntenwolk te herschikken om op een andere te lijken, hoe verder ze uit elkaar liggen in termen van hun gelijkenis. Door dit idee toe te passen op deeltjesversnellergegevens, het team was in staat om de optimale energie te berekenen die nodig zou zijn om een ​​bepaalde puntenwolk in een andere te transformeren, een paar tegelijk. Voor elk paar, ze hebben een nummer toegewezen, op basis van de "afstand, " of mate van overeenkomst die ze tussen de twee berekenden. Ze beschouwden vervolgens elke puntenwolk als een enkel punt en rangschikten deze punten in een soort sociaal netwerk.

Het team heeft een sociaal netwerk kunnen opbouwen van 100, 000 paren botsingsgebeurtenissen, van open data van de LHC, hun techniek gebruiken. De onderzoekers hopen dat door naar botsingsdatasets te kijken als netwerken, wetenschappers kunnen mogelijk snel potentieel interessante gebeurtenissen aan de randen van een bepaald netwerk markeren.

"We zouden graag een Instagram-pagina hebben voor alle gekste evenementen, of puntenwolken, geregistreerd door de LHC op een bepaalde dag, ", zegt Komiske. "Deze techniek is een ideale manier om dat beeld te bepalen. Omdat je gewoon het ding vindt dat het verst verwijderd is van al het andere."

Typische collider-datasets die openbaar worden gemaakt, bevatten normaal gesproken enkele miljoenen gebeurtenissen, die zijn voorgeselecteerd uit een oorspronkelijke chaos van miljarden botsingen die op een bepaald moment in een deeltjesversneller hebben plaatsgevonden. Thaler zegt dat het team werkt aan manieren om hun techniek op te schalen om grotere netwerken te bouwen. om mogelijk de "vorm, " of algemene relaties binnen een volledige dataset van deeltjesbotsingen.

In de nabije toekomst, hij wil de techniek testen op historische gegevens waarvan natuurkundigen nu weten dat ze mijlpaalontdekkingen bevatten, zoals de eerste detectie in 1995 van de top-quark, de meest massieve van alle bekende elementaire deeltjes.

"De top-quark is een object dat aanleiding geeft tot deze grappige, drieledige sprays van straling, die erg verschillen van typische sprays van een of twee tanden, Thaler zegt. "Als we de top-quark in deze archiefgegevens zouden kunnen herontdekken, met deze techniek die niet hoeft te weten naar welke nieuwe fysica het zoekt, het zou heel opwindend zijn en ons vertrouwen kunnen geven om dit toe te passen op huidige datasets, om meer exotische objecten te vinden."

Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.