⚛️ high-energy experiments

"Transforming" LHCb: self-supervised maps of heavy-flavour decays

Cet article propose et valide une architecture de transformeur auto-supervisée qui apprend des cartes de désintégration de saveurs lourdes à partir des données de l'LHCb sans étiquettes explicites, démontrant une performance de marquage améliorée et la capacité de détecter des désintégrations avec des particules invisibles en inférant les informations de particules masquées et en identifiant des anomalies dans les jets reconstruits.

Auteurs originaux : Marko Stamenkovic, Greg Landsberg

Publié 2026-09-10

📖 4 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Marko Stamenkovic, Greg Landsberg

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

L'univers est construit à partir d'une poignée de particules fondamentales, mais les histoires les plus intéressantes surviennent souvent lorsque ces particules se désintègrent, se transformant en formes plus légères et plus stables. Dans les collisions à haute énergie du Grand Collisionneur de Hadrons (LHC), des versions lourdes de ces particules, connues sous le nom d'hadrons de beauté et de charme, sont créées en quantités massives. Lorsqu'elles se brisent, elles laissent derrière elles une traînée d'autres particules que les détecteurs peuvent voir. Les physiciens étudient ces traces pour trouver des fissures dans notre compréhension actuelle de la nature, cherchant des signes de particules invisibles ou de comportements étranges que le modèle standard de la physique ne peut expliquer. Cependant, trouver ces signaux subtils est difficile car les détecteurs ne voient que les morceaux visibles du puzzle. Si une particule lourde se désintègre en quelque chose qui ne laisse aucune trace, ou si la désintégration est désordonnée et incomplète, les outils traditionnels pour identifier ce qui s'est passé échouent souvent. Le défi consiste à apprendre à lire l'histoire complète d'une désintégration en regardant simplement les fragments restants, même lorsqu'une partie de l'histoire est manquante.

Des chercheurs de l'Université Brown ont développé une nouvelle façon d'enseigner aux ordinateurs comment comprendre ces désintégrations de particules lourdes sans avoir besoin d'un manuel de réponses. Au lieu de montrer à l'ordinateur des millions d'exemples avec les étiquettes correctes, ils ont laissé la machine apprendre les règles du jeu en essayant de remplir les blancs. Ils ont pris un ensemble massif de données de collisions simulées de l'expérience LHCb et ont présenté à l'ordinateur des jets — des jets de particules créés lors de la collision — où ils ont délibérément supprimé certaines des traces ou caché leurs identités. La tâche de l'ordinateur était de deviner ce qui manquait. En essayant de reconstruire de manière répétée l'image complète à partir d'informations incomplètes, le système a appris une carte interne profonde de la façon dont les particules lourdes se brisent habituellement. Cette carte capture les relations complexes entre les particules, telles que la façon dont elles se déplacent, d'où elles viennent et ce qu'elles sont, sans jamais être informée du nom spécifique de la particule parente.

Une fois que l'ordinateur eut appris cette carte, les chercheurs ont testé s'il comprenait réellement la physique. Ils ont découvert que le système pouvait distinguer différents types de particules lourdes et même faire la différence entre les versions matière et antimatière d'une même particule, perforant aussi bien que les méthodes traditionnelles qui reposent sur des données entièrement étiquetées. Plus important encore, ils ont testé si le système pouvait détecter lorsqu'une désintégration réelle était incomplète. Lorsqu'ils ont pris une désintégration reconstruite d'une collision réelle et en ont supprimé une pièce connue, le « score d'absence » de l'ordinateur a augmenté de manière significative, indiquant que le jet paraissait moins complet qu'il ne devrait l'être. Cette réaction était beaucoup plus forte que lorsqu'ils supprimaient des particules aléatoires et non liées du même jet. Cela suggère que le système a appris la structure spécifique et cohérente d'une désintégration de particule lourde et peut sentir quand cette structure est brisée.

L'équipe a ensuite appliqué ce système entraîné à des données réelles de collisions proton-proton enregistrées en 2017. Sans entraînement supplémentaire sur ces données spécifiques, le système a identifié avec succès les mêmes motifs dans les collisions du monde réel. Il pouvait séparer différents types de désintégrations de saveur lourde et réagissait à la suppression de particules spécifiques dans les données réelles de la même manière qu'il le faisait dans les simulations. Les chercheurs ont également utilisé le système pour explorer les données à la recherche de motifs inhabituels. Ils ont trouvé un petit groupe de jets qui paraissaient très différents du reste : ils étaient chargés de particules chargées mais n'avaient presque aucune particule neutre. Bien que les chercheurs n'aient pas pu dire immédiatement ce qui causait cela, le système a réussi à organiser ces événements étranges ensemble, montrant que la méthode peut regrouper des anomalies similaires pour une investigation plus approfondie.

Ce travail démontre qu'un ordinateur peut apprendre le langage de la désintégration des particules directement à partir des données elles-mêmes, sans qu'un humain ait besoin d'écrire le dictionnaire au préalable. En apprenant à compléter l'image d'une désintégration, le système acquiert une capacité puissante à reconnaître quand quelque chose est erroné ou manquant. Cette approche offre une nouvelle façon de chercher la physique au-delà de notre compréhension actuelle, particulièrement pour les désintégrations rares ou incomplètes qui pourraient autrement rester cachées dans le bruit. Les chercheurs ont montré qu'en enseignant aux machines à comprendre la structure de ces événements, nous pouvons ouvrir de nouvelles fenêtres sur les parties invisibles de l'univers, révélant potentiellement de nouvelles particules ou forces qui sont jusqu'à présent restées hors de portée.

Résumé technique : « Transformer » l'LHCb : des cartes auto-supervisées des désintégrations de saveur lourde

Énoncé du problème
Les désintégrations de saveur lourde des hadrons de beauté et de charme constituent des sondes sensibles pour la physique au-delà du Modèle Standard (BSM), particulièrement dans les scénarios impliquant des particules invisibles ou des états finaux incomplets (par exemple, la bésomégénèse). Bien que l'expérience LHCb au CERN possède les capacités précises de trajectographie, de reconstruction de vertex et d'identification de particules (PID) requises pour cartographier ces environnements de désintégration, les méthodes actuelles de marquage de saveur (flavour tagging) à l'LHCb reposent fortement sur les vertex secondaires et utilisent l'architecture DeepSets. Ces méthodes sous-utilisent souvent l'historique complet de la fragmentation, les informations sur l'événement sous-jacent et le pileup. De plus, les marqueurs existants ne sont pas optimisés pour les désintégrations « incomplètes » où une partie de l'état final ne laisse aucune signature dans le détecteur. Les auteurs proposent de tirer parti des avancées récentes du marquage de saveur de jets d'ATLAS et CMS — spécifiquement l'utilisation de nuages de particules invariants par permutation et d'architectures de type transformer — pour améliorer les performances de marquage de l'LHCb et étendre sa portée aux désintégrations avec des particules invisibles.

Méthodologie
Le papier introduit un cadre d'apprentissage auto-supervisé qui apprend une « carte » de l'hadronisation et des environnements de désintégration de saveur lourde directement à partir des données, sans dépendre de labels de saveur ou de désintégrations exclusives.

Architecture : Le modèle central est un transformateur de l'ensemble de particules (particle set transformer). Il ingère un ensemble non ordonné de constituants de jets reconstruits (jusqu'à 64 par jet), incluant la cinématique, les informations de déplacement et les réponses probabilistes de PID provenant des systèmes RICH et des calorimètres. L'encodeur est composé de cinq blocs transformer avec une dimension d'encodage de 96 et huit têtes d'attention.
Tâche auto-supervisée : Le modèle est entraîné pour accomplir deux tâches simultanées :
1. Prédiction de PID masquée : Prédire la classe de PID et les intervalles de réponse pour les particules survivantes dont les entrées de PID sont cachées.
2. Complétion de l'ensemble de particules : Prédire les propriétés (multiplicité, cinématique, charge, identité et topologie) des constituants qui ont été artificiellement retirés de la vue du jet.
Augmentation de données : Pendant l'entraînement, zéro à quatre constituants reconstruits sont retirés d'un jet selon des règles spécifiques (chargés/neutres aléatoires, paires de signes opposés, groupes angulairement locaux, vertex déplacés ou cascades). Le modèle doit inférer le contenu manquant en se basant uniquement sur les particules survivantes et le contexte global du jet.
Score d'incomplétude ( $S_{miss}$ ) : Une sortie clé est un score dérivé de la probabilité du modèle qu'un jet soit incomplet. Ce score est calculé comme le rapport log-odds de la prédiction par le modèle d'un jet incomplet par rapport à la probabilité de base de retrait artificiel dans l'ensemble d'entraînement.
Données d'entraînement : L'étude utilise deux ensembles de données :
1. Données ouvertes simulées de l'LHCb : Événements de dijets ( $b\bar{b}$ , $c\bar{c}$ , partons légers, $Z \to b\bar{b}$ ) générés avec Pythia 8 et EvtGen, reconstruits avec Geant4. Cela permet des tests d'« intervention » contrôlés où des résonances reconstruites spécifiques sont retirées.
2. Données de collision (Open Data 2017 de l'LHCb) : Données de collision proton-proton inclusives utilisées pour entraîner un modèle séparé sans labels de saveur, validant l'applicabilité de la méthode aux conditions réelles du détecteur.

Contributions clés

Construction de carte auto-supervisée : Les auteurs démontrent qu'un transformer peut apprendre une représentation continue des environnements de désintégration de saveur lourde en inférant l'information de PID masquée et en complétant les jets avec des constituants manquants, créant ainsi efficacement une « carte d'hadronisation et de désintégration ».
Efficacité des labels : L'étude montre que cette représentation auto-supervisée capture des informations de saveur et de signe de charge de quark physiquement significatives. Lorsqu'elle est utilisée comme extracteur de caractéristiques gelé pour des sondes affines (classificateurs linéaires), elle récupère 97 à 100 % de la performance d'un transformer entièrement supervisé entraîné avec tous les labels, en utilisant seulement une petite fraction des données étiquetées.
Détection d'anomalies par intervention : Le papier introduit une méthode pour détecter des anomalies en retirant systématiquement des candidats de désintégration reconstruits (par exemple, $D^0$ , $B^+$ ) des jets et en observant l'augmentation du score d'incomplétude. Cela valide que le modèle a appris la structure corrélée des désintégrations de saveur lourde.
Transfert aux données de collision : La méthode est validée sur des données de collision réelles de l'LHCb de 2017. Un modèle entraîné indépendamment sur ces données reproduit la réponse de « incomplétude » attendue lorsque des constituants de désintégrations de charme et de beauté reconstruites sont retirés, confirmant la pertinence de la carte apprise pour les événements physiques.

Résultats

Performance de la simulation :
- Le modèle distingue les jets complets des jets artificiellement incomplets avec une aire sous la courbe (AUC) de 0,72 (inclusif), montant à 0,87 pour les jets avec quatre constituants retirés.
- Dans les tâches de marquage de saveur (par exemple, $b$ vs $c$ , $b$ vs léger), la sonde auto-supervisée surpasse nettement un transformer avec des poids aléatoires. Par exemple, dans la classification $b$ vs $c$ , elle atteint une AUC de 0,83 avec seulement 0,1 % des données d'entraînement étiquetées, contre 0,67 pour des caractéristiques aléatoires.
- Le pouvoir de marquage ( $P_{tag}$ ) pour les jets $b$ inclusifs est calculé à 10,6 %, et pour les jets $c$ à 31,1 %.
- Le retrait de candidats $D^0 \to K\pi$ reconstruits dans les jets $b$ en simulation entraîne un décalage de score moyen de 4,05, ce qui est nettement supérieur au décalage de 1,33 observé lors du retrait de traces aléatoires appariées dans le même jet.
Performance des données de collision :
- Un modèle entraîné sur les données de collision de 2017 (sans labels de saveur) répond systématiquement au retrait de constituants de huit modes de charme et de beauté reconstruits. Pour les modes de charme à haute statistique, la réponse du signal dépasse celle des bandes latérales de masse adjacentes.
- Les sondes affines entraînées sur la simulation, lorsqu'elles sont appliquées aux données de collision de 2017 sans réentraînement, séparent avec succès les catégories de saveur $B^+$ et $B^0$ ainsi que les désintégrations promptes de $D^0/D^+$ , démontant la transférabilité.
- Une analyse exploratoire des jets à haute incomplétude dans les données de collision révèle des clusters distincts basés sur la similitude (par exemple, un groupe de jets riches en particules chargées et pauvres en neutres), suggérant que la méthode peut organiser les événements anormaux pour une inspection plus approfondie.

Signification et affirmations
Le papier affirme fournir une preuve de concept que la cartographie des environnements de désintégration de saveur lourde via les jets par apprentissage auto-supervisé peut transformer le marquage de saveur à l'LHCb. Les auteurs soulignent que :

L'approche ne repose pas sur des labels de désintégration exclusive ou des hypothèses BSM spécifiques lors de la phase d'apprentissage de la représentation.
Elle réussit à combler le fossé entre l'apprentissage simulé et les données de collision réelles, validant que la notion apprise de « complétude » correspond à des structures de désintégration physiques.
La méthode offre une voie pour étendre la portée de découverte aux désintégrations « incomplètes » ou inhabituelles (incluant celles avec des particules invisibles) en identifiant les jets qui dévient de la carte de complétion apprise.
La technique est complémentaire aux marqueurs existants et pourrait être étendue pour utiliser des rayons de jet plus larges ou l'information complète de l'événement afin d'incorporer les détails de la fragmentation côté opposé et côté même.

Les auteurs restent modestes, notant que les résultats actuels sont préliminaires et que distinguer les anomalies physiques des effets de détecteur ou des échecs de reconstruction nécessite une calibration plus poussée, des ensembles de données plus larges et l'accès à des enregistrements d'événements complets (incluant les impacts de détecteur). Ils positionnent ce travail comme une étape fondamentale vers des stratégies fondées sur les données pour sonder la physique BSM dans les dés intégrations de saveur lourde.

Articles similaires