L’intelligence artificielle au service des particules

Comment aider les scientifiques du CERN à simuler un processus physique avec un outil d’intelligence artificielle en un temps réduit? Bienvenue dans mon monde, au cœur du plus puissant accélérateur de particules du monde, le Grand collisionneur de hadrons, Large Hadron Collider en anglais, soit le fameux LHC ! De nombreuses recherches sont réalisées à partir de données simulées, qui s’avèrent très proches des données réelles. Ces simulations sont créées selon la méthode de «Monte Carlo». Celle-ci consiste à effectuer un très grand nombre de simulations avec des nombres aléatoires pour effectuer des calculs probabilistes, ce qui est à la fois plus simple et plus rapide que la méthode traditionnelle qui reviendrait à de longs et complexes calculs.

Au LHC, les détecteurs d’expériences de hautes énergies, tels qu’ATLAS, utilisent des caméras pour photographier des particules produites lors des collisions. L’une des principales technologies utilisées pour caractériser ces collisions est appelée «calorimètre». Elle permet de mesurer l’énergie ainsi que la localisation des particules traversant le détecteur. Lors de l’interaction avec le matériel absorbant du calorimètre, les particules perdent leur énergie et se désintègrent, donnant naissance à une cascade de particules secondaires (appelée shower). Or, ce processus complexe est aléatoire. Il ne peut donc pas être expliqué par un principe de causalité. Il peut en revanche être initié par une simulation précise reproduisant la réponse du détecteur. Ce fonctionnement aléatoire nécessite une modélisation au niveau microscopique, processus lent qui représente par conséquent un obstacle pour la recherche.

Pour y remédier, ce qui est le but de ma thèse, il s’agit de créer un outil de simulation précis et rapide qui s’appuie sur les algorithmes d’apprentissage automatique. Ceux-ci représentent un sous-domaine de l’intelligence artificielle permettant de créer des modèles prédictifs à partir des données sans être explicitement programmés. Mon étude se base sur des algorithmes génératifs qui reproduisent le processus physique ainsi que les caractéristiques des particules au niveau du calorimètre. Et si ce modèle intelligent pouvait anticiper les propriétés d’une particule avant même qu’elles ne soient créées dans le LHC? L’intelligence artificielle permettrait-elle de comprendre la physique mieux que nos cerveaux? Saurions-nous alors faire la distinction entre le réel et le simulé? —

Concours
Dalila Salamani est lauréate du 2e prix du Jury à l’édition 2019 de «Ma thèse en 180 secondes».
La finale suisse 2019, organisée par l’Université de Neuchâtel, aura lieu le 6 juin 2019 à La Chaux-de-Fonds