Machine learning method for enforcing variable independence in background estimation with LHC data: ABCDisCoTEC

Dans le monde à enjeux élevés de la physique des particules, les scientifiques agissent comme des détectives cosmiques, passant au crible des milliards de collisions minuscules pour trouver un événement unique et rare qui pourrait révéler une nouvelle loi de la nature. Ces collisions se produisent à l'intérieur du Grand Collisionneur de Hadrons, un anneau massif enfoui sous la frontière franco-suisse, où des faisceaux de protons s'entrechoquent à une vitesse proche de celle de la lumière. Le jet de particules qui en résulte est enregistré par des détecteurs comme le CMS, créant une montagne de données. Le défi n'est pas seulement de trouver la nouvelle particule, appelée le signal, mais de connaître précisément l'aspect du bruit de fond. Si le bruit de fond est estimé de manière incorrecte, un scientifique pourrait confondre une fluctuation commune avec une découverte, ou pire, manquer une véritable découverte cachée dans le bruit. Traditionnellement, les physiciens ont utilisé une astuce ingénieuse appelée la « méthode ABCD » pour estimer ce bruit de fond. Ils divisent leurs données en quatre boîtes basées sur deux mesures différentes. Si les deux mesures sont totalement indépendantes l'une de l'autre, le nombre d'événements de bruit de fond dans la boîte « signal » vide peut être prédit en multipliant les comptes dans les trois autres boîtes. C'est un moyen fiable d'utiliser des données réelles pour deviner l'aspect du bruit de fond, mais cela présente un défaut fatal : cela ne fonctionne que si ces deux mesures sont véritablement indépendantes.

Trouver deux mesures aussi indépendantes est extrêmement difficile. Dans le chaos complexe d'une collision de particules, presque tout est subtilement connecté. Si les deux mesures utilisées pour trier les données ont même un lien infime entre elles, la prédiction échoue et l'estimation du bruit de fond devient peu fiable. Pendant des années, les physiciens ont lutté pour trouver la bonne paire de variables à la main, un processus lent, difficile et souvent infructueux lorsque le signal est très similaire au bruit de fond. Un chercheur de la collaboration CMS au CERN a maintenant développé une nouvelle solution qui automatise cette tâche difficile en utilisant l'apprentissage automatique. Il a créé un système qui apprend à un ordinateur à inventer ses propres deux mesures, garantissant qu'elles soient indépendantes tout en étant excellentes pour repérer le signal. Cette nouvelle approche, qu'ils appellent ABCDisCoTEC, leur permet d'estimer le bruit de fond directement à partir des données observées avec une précision bien plus élevée, réduisant ainsi le besoin de s'appuyer sur des simulations informatiques imparfaites.

Le cœur de cette innovation réside dans la manière dont le modèle d'apprentissage automatique est entraîné. Par le passé, les chercheurs utilisaient une méthode appelée ABCDisCo, qui apprenait à un réseau de neurones à produire deux sorties statistiquement indépendantes. Cependant, cette méthode avait un angle mort. Elle pouvait garantir que les deux sorties étaient non corrélées, mais elle ne pouvait pas garantir que les événements de bruit de fond se répartiraient de manière fluide à travers les données, ce qui est une exigence stricte pour que la méthode ABCD fonctionne correctement. La nouvelle méthode ABCDisCoTEC corrige cela en ajoutant une instruction spécifique au processus d'entraînement. L'ordinateur reçoit désormais l'instruction non seulement de rendre les deux sorties indépendantes, mais aussi de minimiser la « non-clôture ». En termes simples, la non-clôture est l'erreur qui se produit lorsque la prédiction issue des trois boîtes de bruit de fond ne correspond pas au nombre réel d'événements trouvés dans la boîte de signal. En enseignant directement au réseau à réduire cette erreur, le système apprend à organiser les données de manière à ce que l'estimation du bruit de fond soit mathématiquement cohérente.

Pour tester cette idée, le chercheur l'a appliquée à la recherche d'une particule hypothétique appelée « stop de supersymétrie furtif ». Cette particule est un partenaire du quark top, une particule lourde déjà connue pour exister, mais elle est prédite par des théories qui étendent notre compréhension actuelle de la physique. Le problème pour trouver cette particule spécifique est qu'elle ressemble presque exactement au bruit de fond créé par les paires de quarks top standards. Dans les recherches précédentes, l'incertitude sur la modélisation du bruit de fond limitait la capacité à trouver un signal. La nouvelle méthode a été testée à l'aide de données simulées imitant les conditions du Grand Collisionneur de Hadrons. Les résultats ont montré que le modèle ABCDisCoTEC a réussi à créer deux nouvelles variables qui sont indépendantes l'une de l'autre et ont considérablement amélioré la stabilité et la robustesse de l'arrangement du bruit de fond. Cela a permis au chercheur de prédire le bruit de fond dans la région de signal avec une grande précision, améliorant considérablement la sensibilité de la recherche, les détails spécifiques et les résultats de la recherche étant documentés dans une référence distincte.

Un obstacle majeur à l'utilisation de modèles d'apprentissage automatique aussi complexes est le réglage des nombreux boutons et curseurs, appelés hyperparamètres, qui contrôlent la façon dont le réseau apprend. Habituellement, les scientifiques doivent deviner ces paramètres ou lancer des milliers d'essais pour trouver la bonne combinaison, un processus chronophage et sujet aux erreurs. L'article introduit également une seconde innovation pour résoudre ce problème : une technique mathématique appelée méthode des multiplicateurs différentiels modifiée. Au lieu de deviner le bon équilibre entre les différents objectifs de l'entraînement, cette méthode traite les exigences comme des contraintes strictes. Elle force le réseau à trouver une solution qui répond à des cibles spécifiques d'indépendance et de précision du bruit de fond sans avoir besoin de chercher manuellement à travers d'innombrables possibilités. Cette approche s'est avérée beaucoup plus rapide et plus stable que les méthodes traditionnelles, convergeant vers la meilleure solution en une fraction du temps requis.

Le chercheur a ensuite validé ses découvertes en appliquant la méthode à des données réelles collectées auprès du Grand Collisionneur de Hadrons. Il a défini des régions spécifiques dans les données, séparées de la zone de recherche principale, pour vérifier si la méthode fonctionnait correctement sur les événements de collision réels. Les résultats ont montré que le comportement du bruit de fond dans les données réelles correspondait au comportement observé dans les simulations, l'erreur de non-clôture restant faible et constante dans les régions de validation. Cette validation est cruciale car elle confirme que la méthode est suffisamment robuste pour être utilisée dans des analyses de physique du monde réel, démontrant que le modèle d'apprentissage automatique a appris la structure sous-jacente des données réelles au sein de ces régions de test spécifiques.

Les implications de ce travail s'étendent bien au-delà de cette seule recherche d'une nouvelle particule. La méthode ABCDisCoTEC représente une avancée significative dans l'automatisation de l'analyse des données de physique des hautes énergies. En permettant aux physiciens d'estimer les bruits de fond directement à partir des données observées avec une grande précision, elle réduit la dépendance vis-à-vis des simulations théoriques, qui peuvent parfois être inexactes. Cela conduit à des mesures plus fiables et à une plus grande chance de déceler des signes subtils d'une nouvelle physique. La combinaison de la nouvelle méthode d'entraînement et de la technique d'optimisation avancée constitue un outil puissant pour les expériences futures. Elle démontre que l'apprentissage automatique peut être utilisé non seulement pour classifier les données, mais aussi pour améliorer fondamentalement les méthodes statistiques utilisées pour interpréter les collisions les plus complexes de l'univers. Alors que le Grand Collisionneur de Hadrons continue de collecter des données, ces outils seront essentiels dans la quête continue pour comprendre les blocs fondamentaux de la réalité.