L'univers est construit sur un ensemble de règles invisibles qui régissent la façon dont les particules interagissent et comment les forces se comportent. Depuis des décennies, les physiciens tentent de trouver un ensemble de règles unique et élégant qui explique tout, une théorie qui unifie les différentes forces de la nature en un seul cadre grandiose. L'une des idées les plus prometteuses est qu'à des énergies extrêmement élevées, les forces distinctes que nous voyons aujourd'hui — comme la force électromagnétique qui alimente nos lumières et la force forte qui maintient les noyaux atomiques ensemble — fusionnent en une seule force unifiée. Si une telle unification avait eu lieu, elle aurait laissé une empreinte subtile dans la manière dont ces forces changent d'intensité à mesure que les niveaux d'énergie évoluent. De plus, si une telle grande unification existe, elle prédit que le proton, le bloc de construction stable de toute matière, devrait finir par se désintégrer, se décomposant en particules plus légères sur de vastes étendues de temps. Trouver cette désintégration serait la preuve ultime de la théorie, mais elle n'a jamais été observée, et les calculs requis pour prédire quand ou si cela pourrait arriver sont incroyablement complexes, impliquant des milliers de variables et des étapes mathématiques complexes.

Pour relever ce défi immense, un chercheur de l'Institut Jožef Stefan en Slovénie a créé un nouveau type d'assistant numérique appelé proton_agent. Il ne s'agit pas d'un programme informatique standard qui se contente de traiter des chiffres ; c'est un agent d'intelligence artificielle conçu pour comprendre le langage humain et traduire des questions naturelles en calculs scientifiques précis. Imaginez un chercheur posant une question simple comme : « Que se passe-t-il pour la force de ces forces si nous ajoutons un nouveau type de particule ? » et voyant l'ordinateur comprendre instantanément la physique derrière les mots, sélectionner les outils mathématiques corrects, exécuter les simulations complexes, puis expliquer les résultats en français courant. L'objectif est de rendre ces investigations de physique de haut niveau accessibles et reproductibles, permettant aux scientifiques d'explorer de vastes possibilités sans se perdre dans les détails techniques du codage et de la saisie manuelle de données.

L'agent fonctionne en agissant comme un pont entre un utilisateur humain et un moteur scientifique puissant et déterministe. Lorsqu'un utilisateur tape une requête, l'IA interprète l'intention et décide quels outils de calcul spécifiques utiliser. Elle peut gérer les calculs de la façon dont les couplages de jauge — les nombres qui décrivent la force des forces fondamentales — évoluent des niveaux d'énergie que nous pouvons tester en laboratoire jusqu'aux énergies inimaginables de l'univers primitif. Elle peut modéliser différents scénarios où l'univers brise la symétrie de diverses manières, passant par des étapes intermédiaires avant de se stabiliser dans les lois de la physique que nous voyons aujourd'hui. Si un utilisateur veut savoir si un arrangement spécifique de particules aide les forces à s'unifier, l'agent exécute les calculs, vérifie les résultats et indique à l'utilisateur si les forces se rejoignent en un seul point ou s'en éloignent. Il peut même déterminer la masse exacte qu'une nouvelle particule devrait avoir pour que l'unification fonctionne, transformant un « et si » théorique en un nombre concret.

Au-delà du simple suivi des forces, l'agent est spécifiquement conçu pour prédire la durée de vie du proton. Dans les théories où les forces s'unifient, les protons ne sont pas éternels ; ils finissent par se briser. L'agent peut calculer combien de temps un proton pourrait durer en fonction de différents modèles théoriques, tels que ceux impliquant la supersymétrie, où chaque particule connue a un partenaire plus lourd. Il prend en compte les façons complexes dont les particules tournent et se mélangent, les masses des particules lourdes qui assurent la désintégration, et les propriétés spécifiques du vide de l'espace. Le système peut passer à travers des milliers de combinaisons aléatoires de ces variables, un processus appelé balayage de paramètres (parameter scan), pour voir quels scénarios sont encore possibles et lesquels ont été écartés par les expériences actuelles. Il compare ses prédictions aux limites strictes établies par des détecteurs massifs comme Hyper-Kamiokande, qui ont établi les limites actuelles et projeté les sensibilités futures pour la désintégration du proton. Si un modèle prédit une durée de vie de proton trop courte par rapport à ce que ces détecteurs ont observé, l'agent le signale comme exclu. Si la prédiction est juste à la limite de ce que les futurs détecteurs pourraient trouver, il marque le modèle comme testable.

La puissance de cet outil réside dans sa capacité à gérer le volume considérable de données et la complexité des relations entre les variables. Par exemple, dans un modèle supersymétrique, la durée de vie d'un proton dépend des masses de champs de Higgs à triplet de couleur et des masses de leurs partenaires, les sfermions. L'agent peut faire varier systématiquement ces masses, exécutant des milliers de simulations pour cartographier exactement comment le changement d'une valeur affecte la durée de vie prédite. Il peut générer des visualisations détaillées, montrant comment la probabilité de désintégration change à travers différentes échelles d'énergie ou comment différents angles de mélange influencent le résultat. Dans un test spécifique, l'agent a pris un point de référence déjà connu pour être exclu par les données expérimentales et a montré que la durée de vie prédite était environ huit ordres de grandeur plus courte que la limite expérimentale actuelle. Il a ensuite aidé l'utilisateur à explorer à quel point les sfermions devraient être plus lourds pour ramener la durée de vie prédite dans la zone de sécurité, guidant ainsi efficacement le chercheur vers une théorie viable.

Ce qui rend cette approche particulièrement significative, c'est qu'elle garde l'humain dans la boucle tout en déchargeant le travail lourd. L'IA ne devine pas la physique ; elle utilise un backend dédié et vérifié pour effectuer les calculs, garantissant que les chiffres sont exacts et reproductibles. Le modèle de langage sert simplement d'interface, interprétant l'intention de l'utilisateur et présentant les résultats. Cette séparation signifie que les conclusions scientifiques sont basées sur un calcul solide, et non sur les suppositions statistiques d'un modèle de langage. Le système est conçu pour fonctionner localement sur un ordinateur standard en utilisant des modèles open-source, ce qui signifie que les chercheurs n'ont pas besoin de dépendre de services commerciaux coûteux ou de craindre que leurs données ne quittent leurs propres machines. Cela représente un changement dans la manière dont la recherche scientifique est menée, passant d'un processus où les scientifiques passent la majeure partie de leur temps à écrire du code et à déboguer des scripts à un processus où ils peuvent se concentrer sur la physique, en posant des questions et en interprétant les réponses comme ils le feraient lors d'une conversation avec un collègue instruit.

Les chercheurs ont démontré les capacités de l'agent en reproduisant des résultats connus d'études précédentes et en explorant ensuite de nouveaux territoires. Ils ont montré qu'il pouvait gérer des scénarios complexes impliquant plusieurs étapes de rupture de symétrie, où l'univers traverse différents groupes de forces avant d'atteindre son état actuel. Il a calculé avec succès les effets de l'ajout de diverses nouvelles particules, déterminant si elles aideraient les forces à s'unifier et à quelles échelles d'énergie cela se produirait. Dans le domaine de la désintégration du proton, il a été capable de naviguer dans le réseau complexe des rotations de saveur et des paramètres de mélange qui dictent la façon dont les protons se décomposent. En exécutant des simulations de Monte Carlo par chaînes de Markov, une méthode qui explore un vaste paysage de possibilités en prenant des étapes aléatoires guidées par la probabilité, l'agent a identifié de minuscules régions au sein de l'espace des paramètres où un modèle pourrait encore être valide malgré les contraintes expérimentales strictes. Ces régions nécessitent souvent un ajustement très fin (fine-tuning), mais les trouver est crucial pour savoir quelles théories valent encore la peine d'être poursuivies.

En fin de compte, proton_agent est un outil d'exploration et de validation. Il ne résout pas le mystère de la grande unification par lui-même, mais il fournit un moyen puissant de tester des idées face aux données concrètes du monde réel. Il permet aux chercheurs d'écarter rapidement les théories impossibles et de concentrer leur attention sur les sentiers étroits qui pourraient mener à une percée. En automatisant les parties fastidieuses et sujettes aux erreurs du calcul, il libère les scientifiques pour qu'ils puissent réfléchir plus profondément aux implications de leurs modèles. Le travail suggère que l'avenir de la physique des hautes énergies pourrait impliquer un partenariat entre l'intuition humaine et l'intelligence artificielle, où la machine gère les vastes paysages computationnels et l'humain guide la direction de l'enquête. À mesure que ces outils deviendront plus sophistiqués, ils seront probablement devenus une partie essentielle de la boîte à outils de quiconque cherche à comprendre les lois fondamentales qui régissent notre univers, transformant la tâche intimidante du calcul de la durée de vie des protons en un processus interactif et gérable.