Contrastive Learning for Interpretable Anomaly Detection at Collider Experiments

Imaginez le Grand Collisionneur de Hadrons (LHC) comme le plus puissant briseur de particules au monde. Il projette des protons les uns contre les autres à une vitesse proche de celle de la lumière, créant une explosion chaotique de nouvelles particules. Les physiciens sont à la recherche d'une « nouvelle physique » — des particules ou des forces mystérieuses qui ne rentrent pas dans notre manuel de règles actuel, connu sous le nom de Modèle Standard. Le problème est que ces nouvelles particules sont comme des aiguilles dans une botte de foin, cachées parmi des milliards de collisions ordinaires et ennuyeuses. Pour les trouver, les scientifiques utilisent la « Détection d'Anomalies », ce qui ressemble un peu à un agent de sécurité dans une fête qui ignore la foule habituelle pour ne s'arrêter que devant ceux qui se comportent bizarrement.

Cependant, les agents de sécurité traditionnels présentent deux défauts majeurs. Premièrement, ils se laissent souvent troubler par l'intensité du bruit de la fête (l'énergie de la collision) ou par le nombre de personnes qui dansent (le nombre de particules), signalant des événements normaux comme suspects simplement parce qu'ils sont énergiques. Deuxièmement, quand l'agent arrête quelqu'un, il ne peut pas expliquer pourquoi. Il dit simplement : « Cette personne est bizarre », sans vous dire s'il s'agit d'un espion, d'un touriste égaré ou juste de quelqu'un qui porte un chapeau rigolo. Ce document présente un nouveau système de sécurité plus intelligent appelé ORCA, qui non seulement repère mieux les excentriques, mais explique aussi exactement quel genre d'excentricité ils présentent.

---

La méthode ORCA : Une histoire de détective en deux étapes

Les auteurs, Haoyi Jia, Sagar Addepalli et Julia Gonski, proposent un nouveau cadre appelé ORCA (Organized Representation via Contrastive learning for Anomaly detection). Considérez ORCA comme un processus en deux étapes conçu pour nettoyer le désordre de la fête des particules avant même que l'agent de sécurité ne commence à chercher.

Étape 1 : Le « Trieur » (Apprentissage Contrastif)
Imaginez que vous avez un énorme tas de briques LEGO mélangées provenant de différents ensembles : un château, un vaisseau spatial et une voiture de course. Si vous les jetez toutes dans une boîte, il est difficile de savoir quelle brique appartient à quel ensemble. Les méthodes traditionnelles tentent de reconstruire tout le tas, mais elles se confondent souvent avec les briques rouges qui se ressemblent à travers tous les ensembles.

La première étape d'ORCA utilise une technique appelée Apprentissage Contrastif. C'est comme un professeur super intelligent qui prend les briques et les trie en piles distinctes selon leur type avant même que vous n'essayiez de construire quoi que ce soit. Le modèle est entraîné sur 48 processus différents du Modèle Standard (la physique « connue »), les regroupant en 14 catégories comme « Boson Vecteur Simple » ou « Paire de Tops ». Il apprend à éloigner les briques de différents ensembles dans un espace virtuel, tout en gardant les briques du même ensemble proches les unes des autres.

Le résultat est un « espace d'incorporation » (embedding space) hautement organisé. Au lieu d'un tas désordonné de données brutes, le modèle dispose désormais d'une carte soignée où chaque type d'événement physique connu possède son propre quartier. Cela résout le premier problème : le modèle cesse d'être perturbé par la simple énergie ou le nombre de particules car il a déjà organisé les données selon ce que sont les particules.

Étape 2 : L'« Agent de Sécurité » (Autoencodeur)
Une fois les données triées dans ces quartiers bien ordonnés, la seconde étape entre en jeu. Il s'agit d'un Autoencodeur standard, qui agit comme un agent de sécurité. L'agent est entraîné uniquement sur les événements de « fond » (les choses normales et ennuyeuses). Il apprend à reconstruire parfaitement la disposition des quartiers normaux.

Lorsqu'un nouvel événement arrive, l'agent tente de le reconstruire. Si l'événement est normal, l'agent peut le reconstruire facilement. Mais si l'événement est une anomalie (un signal de nouvelle physique), il ne correspond pas au schéma des quartiers connus. L'agent peine à le reconstruire, et l'« erreur de reconstruction » devient énorme. Ce score d'erreur est le score d'anomalie. Comme les données ont déjà été triées par la première étape, ce score est beaucoup plus précis et moins susceptible d'être trompé par une énergie élevée ou des événements encombrés.

Ce qu'ils ont trouvé : Une meilleure détection et une explication plus claire

Les chercheurs ont testé ORCA sur un ensemble de données simulées de 750 millions de collisions proton-proton, imitant les conditions du LHC à haute luminosité. Ils ont comparé ORCA à un autoencodeur standard qui regardait directement les données brutes sans l'étape de tri.

1. Une détection plus intelligente
Les résultats ont montré qu'ORCA est nettement meilleur pour repérer la nouvelle physique. Sur presque tous les types de signaux testés, ORCA a trouvé plus d'anomalies « réelles » tout en ignorant plus de fausses alertes. Dans le langage de l'article, il a amélioré à la fois l'« étendue » (trouver plus de types de signaux) et la « profondeur » (les trouver même lorsque le bruit de fond était énorme). La seule légère exception est une résonance spécifique de faible masse, que le modèle traite encore comme un bruit de fond, mais pour presque tout le reste, la nouvelle méthode est une victoire claire.

2. Le « Pourquoi » derrière le « Bizarre »
La partie la plus excitante de l'article est l'interprétabilité. Par le passé, si un détecteur signalait un événement comme « bizarre », les scientifiques restaient dans l'incertitude. Était-ce une nouvelle particule ? Un bug ?

Avec ORCA, parce que les événements sont triés en quartiers distincts, les scientifiques peuvent désormais regarder l'événement « bizarre » et demander : « À quel quartier connu cela ressemble-t-il le plus ? » Ils utilisent une technique statistique appelée ajustement de modèle (template fit). Imaginez que vous avez un invité mystère à la fête. Au lieu de dire simplement « il est bizarre », vous pouvez dire : « Cet invité ressemble à 80 % à un touriste égaré du quartier 'Paire de Tops' et à 20 % à un espion du quartier 'Di-Higgs' ».

L'article démontre cela en « injectant » de faux nouveaux signaux dans les données. Lorsqu'ils ont fait cela, ORCA a pu compter avec précision combien de faux signaux étaient présents et identifier correctement à quel processus physique connu ils ressemblaient le plus. Par exemple, s'ils ont injecté un signal « Di-Higgs » sans le dire au modèle, le modèle a correctement catégorisé les événements comme ressemblant à des événements « Paire de Tops », révélant que le modèle avait appris la structure physique sous-jacente (comme le nombre de particules dans l'état final) même sans être explicitement informé.

L'essentiel

Cet article suggère qu'en ajoutant une étape de « tri » avant l'étape de « recherche », nous pouvons rendre la détection d'anomalies aux collisionneurs de particules à la fois plus puissante et plus compréhensible. Il ne s'agit pas seulement de trouver l'aiguille dans la botte de foin ; il s'agit d'être capable de décrire la forme, la couleur et l'origine de l'aiguille une fois qu'on l'a trouvée.

Les auteurs soulignent qu'il s'agit d'un résultat basé sur la simulation. Ils ont testé la méthode sur un ensemble de données de 750 millions de collisions simulées, et non sur des données réelles du LHC pour le moment. Cependant, le cadre est conçu pour être modulaire. Le « trieur » pourrait être remplacé par une version plus rapide pour fonctionner sur le matériel de déclenchement réel, et le « garde » pourrait être n'importe quel autre détecteur d'anomalies. Cela ouvre la voie à de futures expériences réelles pour non seulement trouver la nouvelle physique, mais aussi commencer immédiatement à comprendre ce qu'elle pourrait être.