CELEBI: Towards Reproducible and FAIR Physics Analysis

Dans le monde de la physique des hautes énergies, les scientifiques ne se contentent pas de regarder à travers un télescope ou un microscope pour trouver des réponses. Au lieu de cela, ils construisent des machines massives et complexes qui font s'entrechoquer des particules, créant une tempête de données qui doivent être triées, mesurées et comprises. Ce processus n'est pas un événement unique, mais un long voyage de découverte sinueux. Un chercheur prend des données brutes et les fait passer par une série de programmes informatiques, faisant des choix sur les informations à conserver et celles à écarter. Il ajuste les paramètres, teste différentes théories et affine ses méthodes sur des mois, voire des années. Le résultat final est une découverte scientifique, mais cette découverte est inextricablement liée au chemin spécifique emprunté par l'équipe pour y parvenir. Si le code change, ou si un paramètre est ajusté, le résultat peut lui aussi changer. Le grand défi dans ce domaine n'est pas seulement d'obtenir la réponse, mais de se souvenir exactement de la manière dont elle a été trouvée. Sans un enregistrement clair des étapes suivies, un résultat de l'année dernière pourrait devenir impossible à reproduire aujourd'hui, laissant la communauté scientifique incapable de vérifier ou de s'appuyer sur ce travail.

C'est le problème que Mingrui Zhao, chercheur à l'Université de Pékin, a entrepris de résoudre avec un nouveau système appelé Celebi. Dans l'article, Zhao décrit comment les analyses de physique moderne évoluent de manière continue. À mesure que les ensembles de données augmentent et que les mises à jour logicielles arrivent, les conditions dans lesquelles un résultat antérieur a été produit peuvent devenir difficiles à déterminer. Imaginez une équipe travaillant sur un calcul complexe où le code est constamment réécrit. Un résultat présenté lors d'une revue interne pourrait ne plus correspondre à la version actuelle de l'analyse parce que les règles sous-jacentes ont changé. Dans les grandes collaborations, où de nombreuses personnes travaillent sur différentes variations d'un même projet, cette confusion peut être accablante. Le chercheur a constaté que les outils existants pouvaient gérer le flux de données ou stocker les fichiers finaux, mais qu'ils peinaient à maintenir un lien persistant et incassable entre un résultat spécifique et l'état exact de l'analyse qui l'a créé.

Pour remédier à cela, Zhao a conçu Celebi comme un cadre qui traite l'analyse non pas comme un document unique et fluide, mais comme une collection de parties structurées et réutilisables. Le système sépare les instructions légères — telles que le code, les paramètres de configuration et les dépendances — des produits de données lourds qui sont générés. Il organise ces instructions dans un flux de travail clair où chaque élément connaît ses dépendances. L'innovation centrale réside dans la manière dont le système gère le changement. À mesure que l'analyse de travail évolue, Celebi préserve des moments spécifiques dans le temps appelés « impressions ». Une impression est un instantané figé de l'analyse à un moment donné, capturant le code, les paramètres et l'état exact de chaque dépendance utilisée pour produire un résultat. Ces impressions sont immuables, ce qui signifie qu'elles ne peuvent être modifiées une fois sauvegardées. Lorsqu'un résultat est généré, il est définitivement associé à l'impression spécifique qui l'a créé. Cela signifie que même si l'analyse principale est mise à jour cent fois, le résultat original reste lié aux conditions exactes dans lesquelles il a été produit pour la première fois.

L'effet pratique de cette organisation est un système qui permet aux scientifiques de modifier leur travail sans perdre leur historique. Parce que les composants sont modulaires, un chercheur peut changer une partie de l'analyse, comme la méthode utilisée pour filtrer les données, sans avoir à réécrire l'intégralité du projet. Le système suit automatiquement les tâches en aval qui sont affectées par ce changement. Si un scientifique souhaite effectuer une variation systématique, par exemple en testant comment une hypothèse différente affecte le résultat, il peut le faire en réutilisant les parties inchangées de l'analyse tout en modifiant uniquement la section spécifique qui diffère. Cela réduit la duplication et rend les différences entre les diverses configurations explicites. Le système permet également l'exécution contrôlée de ces états préservés. Si une équipe doit vérifier un ancien résultat, elle peut exécuter à nouveau l'impression préservée, à condition que les entrées et les environnements logiciels nécessaires soient toujours disponibles, garantissant ainsi que la nouvelle exécution est une véritable reproduction de l'ancienne.

Cette approche change fondamentalement la manière dont la collaboration et la revue se déroulent au sein d'une équipe de physique. Dans un projet typique, plusieurs collaborateurs peuvent travailler sur des configurations différentes, et les résultats peuvent être dispersés dans divers fichiers et répertoires personnels. Celebi apporte de l'ordre à cela en organisant tous les matériels, la documentation et les dépendances dans un référentiel structuré. Un collaborateur peut inspecter un composant spécifique ainsi que sa documentation locale et l'état exact de ses dépendances sans avoir besoin de reconstruire l'analyse entière à partir de zéro. Cela facilite la compréhension du travail pour les nouveaux membres de l'équipe et la vérification de la logique d'un résultat par les examinateurs. Lorsqu'un examinateur demande un changement, l'équipe peut mettre à jour l'analyse et créer une nouvelle impression, en conservant l'ancienne aux côtés de la nouvelle. Cela permet une comparaison directe entre les révisions, montrant exactement ce qui a changé et comment cela a affecté le résultat. Le système construit essentiellement une chronologie transparente de la recherche, où chaque résultat peut être retracé jusqu'à sa source.

Le but ultime de ce travail est de rendre l'analyse de la physique plus FAIR : Facile à trouver (Findable), Accessible, Interopérable et Réutilisable (Reusable). Actuellement, la réutilisation d'un résultat scientifique nécessite souvent non seulement les données finales, mais aussi une compréhension profonde du code et des paramètres utilisés pour les créer, qui sont souvent perdus ou enfouis. En associant les résultats à des états identifiables et préservés de l'analyse, Celebi fournit une base pour trouver et réutiliser ces matériels. La nature structurée du système permet aux ordinateurs d'interpréter la logique de l'analyse, ce qui pourrait aider différentes infrastructures de recherche à travailler ensemble. Bien que l'article ne prétende pas que Celebi résout tous les problèmes de la préservation scientifique, il offre un fondement pratique pour étendre ces principes au-delà des seules données brutes vers les processus computationnels qui génèrent la connaissance scientifique. Le système ne repose pas sur une tenue de livres manuelle ou une reconstruction rétrospective de l'histoire ; il capture plutôt la provenance du travail au fur et à mesure qu'il se produit, jour après jour. Ce faisant, il garantit que le chemin vers une découverte reste aussi clair et accessible que la découverte elle-même.