Søger ny fysik, forskere låner fra sociale netværk

Når to protoner støder sammen, de frigiver pyrotekniske stråler af partikler, hvis detaljer kan fortælle videnskabsmænd noget om fysikkens natur og de grundlæggende kræfter, der styrer universet.

Enorme partikelacceleratorer såsom Large Hadron Collider kan generere milliarder af sådanne kollisioner i minuttet ved at smadre stråler af protoner tæt på lysets hastighed. Forskere gennemsøger derefter målinger af disse kollisioner i håb om at afsløre mærkelige, uforudsigelig adfærd ud over den etablerede fysikbog kendt som standardmodellen.

Nu har MIT-fysikere fundet en måde at automatisere søgen efter mærkelig og potentielt ny fysik, med en teknik, der bestemmer graden af ​​lighed mellem par af kollisionshændelser. På denne måde de kan estimere forholdet mellem hundredtusindvis af kollisioner i en protonstråle-smashup, og skabe et geometrisk kort over begivenheder i henhold til deres grad af lighed.

Forskerne siger, at deres nye teknik er den første, der relaterer mængder af partikelkollisioner til hinanden, ligner et socialt netværk.

"Kort over sociale netværk er baseret på graden af ​​forbindelse mellem mennesker, og f.eks. hvor mange naboer du har brug for, før du kommer fra en ven til en anden, " siger Jesse Thaler, lektor i fysik ved MIT. "Det er den samme idé her."

Thaler siger, at dette sociale netværk af partikelkollisioner kan give forskere en følelse af det mere forbundne, og derfor mere typisk, begivenheder, der opstår, når protoner kolliderer. De kan også hurtigt opdage de forskellige begivenheder, i udkanten af ​​et kollisionsnetværk, som de kan undersøge nærmere for potentielt ny fysik. Han og hans samarbejdspartnere, kandidatstuderende Patrick Komiske og Eric Metodiev, udført forskningen ved MIT Center for Teoretisk Fysik og MIT Laboratory for Nuclear Science. De beskriver deres nye teknik i denne uge i journalen Fysisk gennemgangsbreve .

At se dataene agnostisk

Thalers gruppe fokuserer, delvis, på at udvikle teknikker til at analysere åbne data fra LHC og andre partikelkolliderfaciliteter i håb om at grave interessant fysik frem, som andre måske i første omgang var gået glip af.

"At have adgang til disse offentlige data har været vidunderligt, " siger Thaler. "Men det er skræmmende at gennemsøge dette bjerg af data for at finde ud af, hvad der foregår."

Fysikere ser normalt gennem kolliderdata for specifikke mønstre eller energier af kollisioner, som de mener er af interesse baseret på teoretiske forudsigelser. Sådan var det med opdagelsen af ​​Higgs-bosonen, den undvigende elementarpartikel, der blev forudsagt af standardmodellen. Partiklens egenskaber blev teoretisk skitseret i detaljer, men var ikke blevet observeret før 2012, når fysikere, ved omtrent hvad man skal kigge efter, fundet signaturer af Higgs-bosonen skjult blandt billioner af protonkollisioner.

Men hvad nu hvis partikler udviser adfærd ud over hvad standardmodellen forudsiger, at fysikere ikke har nogen teori at forudse?

Thaler, Komiske, og Metodiev er landet på en ny måde at gennemsøge kolliderdata uden på forhånd at vide, hvad de skal kigge efter. I stedet for at overveje en enkelt kollisionshændelse ad gangen, de ledte efter måder at sammenligne flere begivenheder med hinanden, med tanken om, at måske ved at bestemme, hvilke begivenheder der er mere typiske, og hvilke der er mindre, de kan udvælge outliers med potentielt interessante, uventet adfærd.

"Det, vi forsøger at gøre, er at være agnostiske over for, hvad vi tror er ny fysik eller ej, " siger Metodiev. "Vi ønsker at lade dataene tale for sig selv."

Bevægende snavs

Partikelkolliderdata er propfyldt med milliarder af protonkollisioner, som hver omfatter individuelle sprays af partikler. Holdet indså, at disse sprays i det væsentlige er punktskyer - samlinger af prikker, svarende til punktskyerne, der repræsenterer scener og objekter i computersyn. Forskere inden for dette felt har udviklet et arsenal af teknikker til at sammenligne punktskyer, for eksempel at sætte robotter i stand til præcist at identificere objekter og forhindringer i deres miljø.

Metodiev og Komiske brugte lignende teknikker til at sammenligne punktskyer mellem par af kollisioner i partikelkolliderdata. I særdeleshed, de tilpassede en eksisterende algoritme, der er designet til at beregne den optimale mængde energi, eller "arbejde", der er nødvendigt for at transformere en punktsky til en anden. Kernen i algoritmen er baseret på en abstrakt idé kendt som "jordens bevægende afstand."

"Du kan forestille dig aflejringer af energi som snavs, og du er jordbehandleren, der skal flytte det snavs fra et sted til et andet, " Thaler forklarer. "Mængden af ​​sved, som du bruger på at komme fra en konfiguration til en anden, er begrebet afstand, som vi beregner."

Med andre ord, jo mere energi det tager at omarrangere en punktsky til at ligne en anden, jo længere fra hinanden er de i forhold til deres lighed. Ved at anvende denne idé på partikelkolliderdata, holdet var i stand til at beregne den optimale energi det ville tage at omdanne en given punktsky til en anden, et par ad gangen. For hvert par, de tildelte et nummer, baseret på "afstanden, " eller graden af ​​lighed, de beregnede mellem de to. De betragtede derefter hver punktsky som et enkelt punkt og arrangerede disse punkter i et slags socialt netværk.

Holdet har været i stand til at opbygge et socialt netværk på 100, 000 par kollisionshændelser, fra åbne data leveret af LHC, ved hjælp af deres teknik. Forskerne håber, at ved at se på kollisionsdatasæt som netværk, videnskabsmænd er muligvis i stand til hurtigt at markere potentielt interessante begivenheder i udkanten af ​​et givet netværk.

"Vi vil gerne have en Instagram-side til alle de skøreste begivenheder, eller punktskyer, optaget af LHC på en given dag, " siger Komiske. "Denne teknik er en ideel måde at bestemme det billede på. For man finder bare den ting, der er længst væk fra alt andet«.

Typiske kolliderdatasæt, der gøres offentligt tilgængelige, omfatter normalt flere millioner hændelser, som er blevet forudvalgt fra et oprindeligt kaos af milliarder af kollisioner, der fandt sted på ethvert givet tidspunkt i en partikelaccelerator. Thaler siger, at holdet arbejder på måder at opskalere deres teknik for at konstruere større netværk, for potentielt at visualisere "formen, " eller generelle relationer inden for et helt datasæt af partikelkollisioner.

I den nærmeste fremtid, han forestiller sig at teste teknikken på historiske data, som fysikere nu ved indeholder milepælsopdagelser, såsom den første påvisning i 1995 af topkvarken, den mest massive af alle kendte elementarpartikler.

"Topkvarken er et objekt, der giver anledning til disse sjove, tre-benede sprays af stråling, som er meget forskellige fra typiske sprays med en eller to ben, " siger Thaler. "Hvis vi kunne genfinde topkvarken i disse arkivdata, med denne teknik, der ikke behøver at vide, hvilken ny fysik den leder efter, det ville være meget spændende og kunne give os tillid til at anvende dette på nuværende datasæt, at finde flere eksotiske genstande."

Denne historie er genudgivet med tilladelse fra MIT News (web.mit.edu/newsoffice/), et populært websted, der dækker nyheder om MIT-forskning, innovation og undervisning.