Onderzoekers van het Massachusetts Institute of Technology (MIT) hebben onlangs een metriek ontwikkeld die kan worden gebruikt om de ruimte van botsingsgebeurtenissen vast te leggen op basis van de afstand van de aardeverhuizer (EMD), een maat die wordt gebruikt om de ongelijkheid tussen twee multidimensionale kansverdelingen te evalueren. De metriek die ze voorstelden, beschreven in een paper gepubliceerd in Fysieke beoordelingsbrieven , zou de ontwikkeling mogelijk kunnen maken van nieuwe krachtige tools voor het analyseren en visualiseren van collidergegevens, die niet afhankelijk zijn van een keuze aan waarneembare zaken.

"Ons onderzoek wordt gemotiveerd door een opmerkelijk eenvoudige vraag:wanneer zijn twee deeltjesbotsingen vergelijkbaar?" Eric Metodiev, een van de onderzoekers die het onderzoek heeft uitgevoerd, vertelde Phys.org. "Bij de Large Hadron Collider (LHC), protonen worden met extreem hoge energieën tegen elkaar geslagen en elke botsing produceert een complex mozaïek van deeltjes. Twee botsingsgebeurtenissen kunnen op elkaar lijken, zelfs als ze uit verschillende aantallen en soorten deeltjes bestaan. Dit is analoog aan hoe twee mozaïeken er hetzelfde uit kunnen zien, zelfs als ze uit verschillende aantallen en kleuren tegels bestaan."

In hun studie hebben Metodiev en zijn collega's wilden de overeenkomst tussen botsingsgebeurtenissen vastleggen op een manier die conceptueel bruikbaar is voor deeltjesfysica. Om dit te doen, ze gebruikten een strategie die ideeën met betrekking tot optimale transporttheorie samenvoegt, die vaak wordt gebruikt om geavanceerde hulpmiddelen voor beeldherkenning te ontwikkelen, met inzichten uit de kwantumveldentheorie, een construct dat fundamentele deeltjesinteracties beschrijft.

"Ons nieuwe resultaat is een kwantitatieve methode om de afstand (via een 'metriek') tussen twee botsingsgebeurtenissen te bepalen, "Zei Metodiev. "Als je eenmaal de afstand kent tussen elk paar botsingsgebeurtenissen, u kunt dan de volledige ruimte met LHC-gegevens trianguleren. We hopen dat deze manier van verwerken van informatie uit de LHC nieuwe inzichten zal opleveren in de fundamentele interacties van de natuur."

Eigenlijk, de door de onderzoekers ontwikkelde metriek vertegenwoordigt het 'werk' dat nodig is om de ene botsingsgebeurtenis in de andere te herschikken. Het is gebaseerd op de EMD, een methode die doorgaans wordt gebruikt om computervisietools te ontwikkelen die de overeenkomsten tussen twee objecten of afbeeldingen vergelijken.

EDM werkt door te proberen de ene gebeurtenis in een andere te rangschikken door "vuil, " of in dit geval deeltjesenergieën, in de omgeving van. Typisch, hoe meer werk er nodig is om deze herschikking met succes uit te voeren, hoe meer twee gebeurtenissen, objecten of afbeeldingen zijn niet hetzelfde.

"De reden waarom dit idee van gelijkenis zo nuttig is in de deeltjesfysica, is dat het aansluit bij de manier waarop we theoretische berekeningen uitvoeren, "Patrick Komiske, een andere onderzoeker die bij het onderzoek betrokken was, vertelde Phys.org. "In de kwantumveldentheorie, je kunt niet precies voorspellen wat er zal gebeuren in een bepaalde botsing, maar je kunt de waarschijnlijkheid voorspellen om bepaalde patronen van deeltjesafval te produceren. Om te definiëren wat je bedoelt met een patroon, Hoewel, je hebt een idee van gelijkenis nodig, wat precies blijkt te zijn wat onze statistiek biedt."

In hun krant Metodiev, Komiske en hun collega Jesse Thaler pasten hun metriek specifiek toe op jets; sprays van deeltjes die gewoonlijk ontstaan ​​uit quarks en gluonen met hoge energie. Hoewel de eigenschappen van individuele jets de afgelopen vier decennia uitgebreid zijn bestudeerd, hun metriek stelde de onderzoekers in staat om de relatie tussen paren jets te bestuderen, waardoor nieuwe en aanvullende informatie over het straalvormingsproces wordt onthuld.

"Het hebben van een universeel idee van gelijkenis tussen gebeurtenissen is erg handig voor een verscheidenheid aan botsingstaken, Metodiev zei. "Een veel voorkomende taak bij de LHC is het classificeren van verschillende soorten botsingen, op dezelfde manier als je een afbeelding zou classificeren als een kat, hond, of eenhoorn. Door onze metriek te gebruiken om jets te classificeren als afkomstig van een quark, gluon, of iets exotischer, we bereiken een prestatie die die van moderne machine learning-technieken benadert."

In een reeks evaluaties de onderzoekers demonstreerden de effectiviteit van hun methode bij het vastleggen van de gelijkenis van botsingsgebeurtenissen. Hun techniek bereikte opmerkelijke resultaten, met nauwkeurigheidsniveaus die vergelijkbaar zijn met die van de modernste machine learning-modellen.

Naast het mogelijk helpen van onderzoekers om botsingsgebeurtenissen te classificeren, de door Metodiev en zijn collega's ontwikkelde metriek zou kunnen worden gebruikt om gegevens van de collider op een geheel nieuwe manier te visualiseren. traditioneel, in de deeltjesfysica, onderzoekers richten zich op een enkel kenmerk van een verzameling botsingsgebeurtenissen (d.w.z. het 'bos') of op de gedetailleerde eigenschappen van één individueel botsingsgebeurtenis (d.w.z. de 'bomen'). Aangezien de nieuwe statistiek gebruikers in staat stelt om soortgelijke botsingsgebeurtenissen te groeperen, het maakt de observatie van het 'bos' en individuele 'bomen' tegelijkertijd mogelijk, door gebeurtenissen te identificeren die de belangrijkste kenmerken van de dataset als geheel het best weergeven.

"In aanvulling, vanuit een meer wiskundig perspectief, als je eenmaal een idee van afstand hebt, je kunt de geometrie van de ruimte van gebeurtenissen bestuderen, die een nieuwe manier biedt om na te denken over bestaande concepten in de botsfysica die teruggaat tot de jaren 70, Metodiev toegevoegd. "Bijvoorbeeld, om oneindigheden in de berekeningen van de kwantumveldentheorie te vermijden, men moet er alleen voor zorgen dat de gebeurtenisgeometrie voldoende vloeiend is, zonder bijzondere punten. In de toekomst, we zijn van plan om nieuwe waarneembaarheden en technieken voor botsingen te ontwikkelen op basis van dit geometrische perspectief."

De statistiek ontwikkeld door Metodiev, Komiske en Thaler zouden tal van interessante toepassingen kunnen hebben. Het kan zelfs worden gebruikt om te zoeken naar onregelmatigheden in LHC-datasets met behulp van een strategie die bekend staat als anomaliedetectie, wat uiteindelijk zou kunnen helpen om nieuw natuurkundig bewijs te vinden.

Op korte termijn, de onderzoekers zijn van plan hun metriek te gebruiken om bekende aspecten van het standaardmodel te herontdekken in de nieuwe geometrische taal die ze hebben voorgesteld. uiteindelijk, echter, hun techniek zou bewijs kunnen onthullen van het bestaan ​​van nieuwe deeltjes of krachten, evenals voorheen onbekende aspecten van het standaardmodel zelf.

"Met onze notie van gelijkenis, we kunnen niet alleen de meest voorkomende gebeurtenisconfiguraties identificeren, maar ook de meest exotische, en het is mogelijk dat deze exotische gebeurtenissen hints kunnen geven voor de natuurkunde die verder gaan dan het standaardmodel, " vertelde Thaler aan Phys.org. "We werken momenteel aan het benchmarken van dit idee met openbare gegevens van de botser. Sinds 2014, het CMS-experiment bij de LHC heeft subsets van hun gegevens vrijgegeven voor onbeperkt gebruik, inclusief alle informatie die nodig is om onze metriek te berekenen. Dit geeft ons de mogelijkheid om de ruimte van gebeurtenissen te verkennen op basis van echte collider-gegevens."

© 2019 Wetenschap X Netwerk