Reconstructing short-lived particles using hypergraph representation learning

All'interno del Large Hadron Collider, un enorme anello di magneti sepolto sotto il confine tra Svizzera e Francia, gli scienziati fanno scontrare protoni a una velocità prossima a quella della luce. Queste collisioni ricreano l'energia ardente dei primi istanti dell'universo, dando origine a una cascata di nuove particelle. La maggior parte di queste particelle è pesante e incredibilmente effimera, decadendo quasi istantaneamente in una pioggia di detriti più stabili. Per comprendere le leggi fondamentali della natura, i fisici devono ricostruire le particelle originali e fugaci da questi detriti, molto più come un esperto forense che cerca di dedurre la forma di un vaso frantumato esaminando i frammenti sparsi. La sfida risiede nell'enorme numero di pezzi; quando le particelle pesanti decadono, producono spesso fino a 20 "jet" — stretti flussi di particelle che volano via in direzioni specifiche. Capire quali jet provengano da quale particella madre è un rompicapo di una complessità sbalorditiva, specialmente quando i detriti includono particelle invisibili che non lasciano alcuna traccia nel rilevatore.

Un team di ricercatori dell'Università di Manchester ha sviluppato un nuovo modo per risolvere questo enigma, uno che tratta i dati della collisione non come una semplice lista di particelle, ma come una complessa rete di relazioni. Chiamano il loro metodo HyPER. Invece di guardare alle particelle isolatamente o solo in coppie, HyPER utilizza una struttura matematica chiamata ipergrafo per comprendere come gruppi di particelle siano connessi tutti insieme. In un approccio standard, un computer potrebbe tentare di collegare la particella A alla particella B, e poi la particella B alla particella C, costruendo una catena passo dopo passo. HyPER, tuttavia, può osservare un intero gruppo di particelle simultaneamente e chiedere: "Queste tre specifiche particelle insieme formano una singola particella madre?". Questo cambio di prospettiva permette al sistema di vedere schemi che i metodi più semplici perdono, particolarmente in eventi in cui il numero di particelle è molto elevato.

I ricercatori hanno testato questo nuovo sistema su un tipo specifico di collisione in cui una coppia di quark top — le particelle elementari più pesanti conosciute — decade interamente in jet. In questo scenario, i due quark top si frammentano in sei quark, che poi si trasformano in sei jet, oltre a eventuali jet extra creati dalla violenta collisione stessa. L'obiettivo è identificare correttamente quali tre jet appartengano a un quark top e quali tre appartengano all'altro. Il team ha addestrato il modello HyPER su milioni di collisioni simulate, insegnandogli a riconoscere le raggruppamenti corretti. Hanno poi messo alla prova il modello contro due dei metodi esistenti più avanzati utilizzati oggi dai fisici. I risultati hanno mostrato che HyPER è stato in grado di ricostruire correttamente le particelle madri nel 67 percento degli eventi, superando gli altri metodi che avevano avuto successo in circa il 65 e il 64,5 percento dei casi.

Ciò che rende questo traguardo particolarmente significativo non è solo il lieve aumento dell'accuratezza, ma l'efficienza con cui è stato raggiunto. Il modello HyPER è sorprendentemente piccolo, contenendo circa 3.450 parametri addestrabili. Al contrario, i modelli concorrenti richiedono milioni di parametri per funzionare. Per mettere questo in prospettiva, il nuovo modello contiene un fattore di 20 meno parametri rispetto a uno degli strumenti esistenti, eppure offre risultati migliori. Questa efficienza è importante perché significa che il modello è meno propenso all' "overfitting", ovvero a memorizzare i dati di addestramento invece di apprendere la fisica sottostante, e richiede molta meno potenza di calcolo per essere eseguito. I ricercatori hanno scoperto che anche quando riducevano la quantità di dati di addestramento disponibili, HyPER rimaneva lo strumento più accurato, suggerendo che sia abbastanza robusto da gestire i dataset limitati spesso presenti nelle ricerche di fisica rara.

Il successo di HyPER apre la porta allo studio di eventi ancora più complessi e rari nella fisica delle particelle. Poiché il sistema è progettato per gestire gruppi di particelle di qualsiasi dimensione, potrebbe eventualmente essere utilizzato per ricostruire particelle che decadono in quattro, cinque o più jet. Sebbene l'attuale studio si sia concentrato sui decadimenti all'olico (all-hadronic) in cui i neutrini sono assenti, i ricercatori osservano che il lavoro futuro mira a estendere il metodo per includere la ricostruzione della cinematica dei neutrini nello stato finale. I ricercatori hanno dimostrato che il loro approccio funziona bene per il caso specifico delle coppie di quark top, ma il metodo sottostante è abbastanza flessibile da poter essere applicato a una vasta gamma di processi fisici. Fornendo un modo più potente ed efficiente per visualizzare le relazioni tra le particelle, HyPER offre un nuovo strumento per scrutare la struttura fondamentale dell'universo, aiutando gli scienziati a distinguere il segnale della nuova fisica dal rumore di fondo del mondo noto.