Lorentz-Equivariance without Limitations

Dans le monde de haute énergie de la physique des particules, les scientifiques font s'entrechoquer des protons à des vitesses proches de celle de la lumière pour recréer les conditions de l'univers primitif. Les débris résultants sont une projection chaotique de nouvelles particules, enregistrées par de massifs détecteurs sous la forme d'un nuage de points dans l'espace et le temps. Pour donner un sens à ce chaos, les chercheurs s'appuient sur les lois de la relativité restreinte, qui stipulent que les règles fondamentales de la physique ne changent pas, quel que soit l'observateur en mouvement ou son emplacement. Ce principe, connu sous le nom d'invariance de Lorentz, signifie que le comportement d'une particule semble identique qu'il soit observé depuis un laboratoire stationnaire ou depuis un vaisseau spatial filant à grande vitesse. Cependant, lorsque les scientifiques utilisent l'intelligence artificielle pour analyser ces collisions de particules, ils sont confrontés à un problème difficile : les programmes informatiques standards ne comprennent pas naturellement ces règles de mouvement. Ils traitent souvent les données comme s'il s'agissait d'une image statique, manquant ainsi les relations géométriques profondes qui régissent les interactions entre particules. Cette limitation force les chercheurs soit à construire des modèles informatiques très spécifiques et rigides, difficiles à adapter, soit à utiliser des quantités massives de puissance de calcul pour apprendre à un modèle standard à deviner les règles par essais et erreurs.

Une équipe de physiciens et de spécialistes en informatique a développé une nouvelle méthode appelée Canonisation Locale de Lorentz, ou LLoCa, qui résout ce problème en dotant n'importe quel réseau de neurones d'une compréhension intrinsèque de la relativité sans pour autant ralentir ses performances. Au lieu de forcer l'ordinateur à apprendre les règles du mouvement à partir de zéro, cette méthode enseigne au réseau à créer un référentiel personnel et mobile pour chaque particule qu'il perçoit. Imaginez une particule comme un voyageur qui porte sa propre carte ; le réseau prédit cette carte pour chaque particule, permettant à l'ordinateur de traduire toutes les données complexes et mobiles en un langage local simple où les lois de la physique sont faciles à lire. Une fois les données traduites dans ces référentiels locaux, le réseau peut les traiter à l'aide de n'importe quelle architecture standard et flexible. Après le calcul, le réseau traduit les résultats vers la vue globale du détecteur. Cette approche permet à l'ordinateur de respecter les symétries fondamentales de l'univers tout en restant rapide et adaptable à différents types de problèmes de physique.

Les chercheurs ont testé ce nouveau cadre sur trois défis distincts qui sont au cœur de la physique des particules moderne : prédire la force des interactions de particules, générer des simulations réalistes de collisions de particules et identifier des types spécifiques de particules cachées dans les débris. Dans le premier test, ils ont demandé au réseau de prédire la probabilité d'un événement de diffusion spécifique impliquant un boson Z et jusqu'à quatre gluons. Ils ont constaté qu'en ajoutant ce système de référentiel local aux réseaux de neurones standards, les prédictions devenaient nettement plus précises que celles faites par des modèles non relativistes, et qu'elles égalaient les performances de modèles spécialisés beaucoup plus complexes. Crucialement, la nouvelle méthode a atteint cette haute précision avec beaucoup moins d'efforts de calcul, fonctionnant quatre fois plus vite que les modèles de pointe précédents conçus spécifiquement pour cette tâche.

Dans la deuxième application, l'équipe a utilisé la méthode pour générer de nouveaux événements de collision de particules à partir de rien. Il s'agit d'une tâche vitale pour simuler ce que les détecteurs devraient voir, mais elle est notoirement difficile car l'ordinateur doit apprendre un paysage multidimensionnel complexe de possibilités. Les chercheurs ont découvert que pour cette tâche spécifique, le réseau n'avait pas besoin d'être parfaitement symétrique dans toutes les directions. Au contraire, il obtenait de meilleurs résultats lorsqu'on lui permettait de briser certaines des règles de symétrie strictes pour correspondre à la géométrie spécifique du détecteur de particules, qui possède une direction privilégiée le long de la ligne de faisceau. En laissant le réseau apprendre à respecter uniquement les symétries qui existent réellement dans les données du détecteur, ils ont obtenu les meilleurs résultats possibles. Cette découverte remet en question l'idée qu'un modèle informatique doit toujours être parfaitement symétrique pour être efficace ; parfois, savoir où la symétrie se brise est tout aussi important.

Le test final, le plus étendu, concernait le marquage de jets (jet tagging), un processus par lequel les ordinateurs doivent distinguer les jets de particules causés par des quarks top lourds de ceux causés par le bruit de fond ordinaire. C'est une compétence critique pour la découverte de nouvelles physiques, car les quarks top sont souvent produits lors d'événements rares et intéressants. L'équipe a appliqué sa méthode à plusieurs architectures de réseaux établies et de haute performance, les mettant à niveau pour les rendre relativistes. Ils ont créé un nouvel ensemble de données massif contenant 135 millions d'événements simulés pour entraîner ces modèles, un volume bien plus grand que tout ensemble de données précédemment utilisé pour cette tâche spécifique. À cette grande échelle, les réseaux mis à niveau ont surpassé leurs homologues non relativistes et ont égalé les performances des modèles spécialisés les plus avancés. Les résultats ont montré que si la nouvelle méthode fonctionne bien sur de petits ensembles de données, sa véritable puissance se révèle lorsque la quantité de données est importante, permettant au réseau de tirer parti des lois de la physique pour apprendre plus efficacement.

Une observation clé de l'étude concerne la manière dont le réseau gère la symétrie des données. Les chercheurs ont découvert que pour certaines tâches, comme la génération d'événements, il suffit que le réseau respecte la symétrie résiduelle du détecteur. Cependant, pour l'identification des particules dans les jets, l'approche hybride a donné les meilleurs résultats. Le réseau était autorisé à utiliser toute la puissance de la symétrie relativiste dans ses calculs internes, mais il recevait également des points de référence spécifiques, tels que la direction du faisceau de particules, comme entrées supplémentaires. Cela a permis au réseau de décider par lui-même quand utiliser la pleine symétrie et quand s'appuyer sur la géométrie spécifique du détecteur. Cette flexibilité s'est avérée être la stratégie la plus efficace, permettant au modèle d'atteindre la précision la plus élevée sans être contraint par des règles rigides qui pourraient ne pas s'appliquer à chaque partie des données.

L'étude a également démontré que ce nouveau cadre n'est pas limité à un seul type de réseau de neurones. Les chercheurs ont appliqué avec succès cette méthode tant aux réseaux de graphes, qui traitent les particules comme des nœuds connectés, qu'aux transformeurs, qui sont des modèles puissants souvent utilisés dans le traitement du langage. Dans chaque cas, la méthode a agi comme une mise à niveau universelle, prenant un réseau existant et le rendant relativiste avec une infime augmentation du nombre de paramètres ajustables. Le coût computationnel de cette mise à niveau a été minime, n'ajoutant qu'environ un pour cent au nombre total de paramètres et nécessitant un temps supplémentaire négligeable. Cela suggère que la méthode peut être facilement adoptée par la communauté scientifique élargie pour améliorer les outils existants sans avoir besoin de réécrire des systèmes logiciels entiers.

En fournissant un moyen d'intégrer les symétries fondamentales de l'univers dans les modèles d'apprentissage automatique avec un surcoût minimal, ce travail lève un obstacle majeur au progrès en physique des particules. Il permet aux chercheurs d'utiliser les architectures de réseaux de neurones les plus puissantes et les plus flexibles disponibles aujourd'hui tout en garantissant qu'elles respectent les lois de la nature. La capacité de générer de meilleures simulations, de prédire les forces d'interaction avec plus de précision et d'identifier des particules rares avec une plus grande confiance ouvre de nouvelles portes pour l'analyse des vastes quantités de données attendues des futurs collisionneurs de particules. Les chercheurs ont rendu leur code et leurs jeux de données publics, invitant d'autres à tester et à affiner ces outils, garantissant que la prochaine génération de découvertes en physique des particules puisse être construite sur un fondement à la fois de données et d'une compréhension physique profonde.