Los físicos del MIT encuentran una manera de relacionar cientos de miles de colisiones de partículas, similar a una red social. Crédito:Chelsea Turner, MIT
Cuando dos protones chocan, liberan chorros pirotécnicos de partículas, cuyos detalles pueden decir a los científicos algo sobre la naturaleza de la física y las fuerzas fundamentales que gobiernan el universo.
Enormes aceleradores de partículas, como el Gran Colisionador de Hadrones, pueden generar miles de millones de colisiones de este tipo por minuto aplastando haces de protones a una velocidad cercana a la de la luz. Luego, los científicos buscan a través de las mediciones de estas colisiones con la esperanza de descubrir extraños, Comportamiento impredecible más allá del libro de jugadas establecido de la física conocido como Modelo Estándar.
Ahora, los físicos del MIT han encontrado una manera de automatizar la búsqueda de física extraña y potencialmente nueva, con una técnica que determina el grado de similitud entre pares de eventos de colisión. De este modo, pueden estimar las relaciones entre cientos de miles de colisiones en un aplastamiento de haz de protones, y crear un mapa geométrico de eventos según su grado de similitud.
Los investigadores dicen que su nueva técnica es la primera en relacionar multitud de colisiones de partículas entre sí, similar a una red social.
"Los mapas de las redes sociales se basan en el grado de conectividad entre las personas, y por ejemplo, cuántos vecinos necesitas antes de pasar de un amigo a otro, "dice Jesse Thaler, profesor asociado de física en el MIT. "Es la misma idea aquí".
Thaler dice que esta red social de colisiones de partículas puede dar a los investigadores una idea de que están más conectados, y por lo tanto más típico, eventos que ocurren cuando los protones chocan. También pueden detectar rápidamente los eventos diferentes, en las afueras de una red de colisiones, que pueden investigar más a fondo en busca de física potencialmente nueva. Él y sus colaboradores, los estudiantes graduados Patrick Komiske y Eric Metodiev, llevó a cabo la investigación en el MIT Center for Theoretical Physics y el MIT Laboratory for Nuclear Science. Detallan su nueva técnica esta semana en la revista Cartas de revisión física .
Ver los datos de forma agnóstica
El grupo de Thaler se enfoca, en parte, en el desarrollo de técnicas para analizar datos abiertos del LHC y otras instalaciones de colisionadores de partículas con la esperanza de desenterrar una física interesante que otros podrían haber pasado por alto inicialmente.
"Tener acceso a estos datos públicos ha sido maravilloso, "Dice Thaler." Pero es desalentador examinar esta montaña de datos para averiguar qué está pasando ".
Los físicos normalmente buscan en los datos de los colisionadores patrones específicos o energías de colisiones que creen que son de interés basándose en predicciones teóricas. Tal fue el caso del descubrimiento del bosón de Higgs, la elusiva partícula elemental que fue predicha por el Modelo Estándar. Las propiedades de la partícula se describieron teóricamente en detalle, pero no se habían observado hasta 2012, cuando los físicos, sabiendo aproximadamente qué buscar, encontró firmas del bosón de Higgs ocultas en medio de billones de colisiones de protones.
Pero, ¿qué pasa si las partículas exhiben un comportamiento más allá de lo que predice el modelo estándar? que los físicos no tienen teoría que anticipar?
Tres eventos de colisión de partículas, en forma de chorros, obtenido de CMS Open Data, Forman un triángulo para representar un "espacio de eventos" abstracto. La animación muestra cómo un jet se puede reorganizar de manera óptima en otro. Crédito:Instituto de Tecnología de Massachusetts
Thaler, Komiske, y Metodiev han encontrado una forma novedosa de examinar los datos del colisionador sin saber de antemano qué buscar. En lugar de considerar un solo evento de colisión a la vez, buscaron formas de comparar varios eventos entre sí, con la idea de que quizás al determinar qué eventos son más típicos y cuáles lo son menos, podrían elegir valores atípicos con potencialmente interesantes, comportamiento inesperado.
"Lo que estamos tratando de hacer es ser agnósticos sobre lo que creemos que es nueva física o no, ", dice Metodiev." Queremos que los datos hablen por sí mismos ".
Suciedad en movimiento
Los datos del colisionador de partículas están repletos de miles de millones de colisiones de protones, cada uno de los cuales comprende pulverizaciones individuales de partículas. El equipo se dio cuenta de que estos aerosoles son esencialmente nubes de puntos:colecciones de puntos, similar a las nubes de puntos que representan escenas y objetos en la visión por computadora. Los investigadores en ese campo han desarrollado un arsenal de técnicas para comparar nubes de puntos, por ejemplo, para permitir que los robots identifiquen con precisión objetos y obstáculos en su entorno.
Metodiev y Komiske utilizaron técnicas similares para comparar nubes de puntos entre pares de colisiones en los datos del colisionador de partículas. En particular, adaptaron un algoritmo existente que está diseñado para calcular la cantidad óptima de energía, o "trabajo" que se necesita para transformar una nube de puntos en otra. El quid del algoritmo se basa en una idea abstracta conocida como "la distancia del motor de la tierra".
"Puedes imaginar los depósitos de energía como suciedad, y tú eres el motor de la tierra que tiene que mover esa tierra de un lugar a otro, "Thaler explica." La cantidad de sudor que gastas en pasar de una configuración a otra es la noción de distancia que estamos calculando ".
En otras palabras, cuanta más energía se necesita para reorganizar una nube de puntos para que se parezca a otra, cuanto más separados están en términos de similitud. Aplicando esta idea a los datos del colisionador de partículas, el equipo pudo calcular la energía óptima que se necesitaría para transformar una nube de puntos determinada en otra, un par a la vez. Para cada par, le asignaron un número, basado en la "distancia, "o el grado de similitud que calcularon entre los dos. Luego consideraron cada nube de puntos como un solo punto y organizaron estos puntos en una especie de red social.
El equipo ha podido construir una red social de 100, 000 pares de eventos de colisión, a partir de datos abiertos proporcionados por el LHC, usando su técnica. Los investigadores esperan que al considerar los conjuntos de datos de colisión como redes, los científicos pueden señalar rápidamente eventos potencialmente interesantes en los bordes de una red determinada.
"Nos gustaría tener una página de Instagram para todos los eventos más locos, o nubes de puntos, registrado por el LHC en un día determinado, "dice Komiske." Esta técnica es una forma ideal de determinar esa imagen. Porque encuentras lo que está más lejos de todo lo demás ".
Los conjuntos de datos de colisionadores típicos que se ponen a disposición del público normalmente incluyen varios millones de eventos, que han sido preseleccionados de un caos original de miles de millones de colisiones que ocurrieron en un momento dado en un acelerador de partículas. Thaler dice que el equipo está trabajando en formas de ampliar su técnica para construir redes más grandes, para visualizar potencialmente la "forma, "o relaciones generales dentro de un conjunto de datos completo de colisiones de partículas.
En el futuro cercano, él prevé probar la técnica en datos históricos que los físicos ahora saben que contienen descubrimientos importantes, como la primera detección en 1995 del quark top, la más masiva de todas las partículas elementales conocidas.
"El quark top es un objeto que da lugar a estos divertidos, aerosoles de radiación de tres puntas, que son muy diferentes de los aerosoles típicos de una o dos puntas, "Dice Thaler." Si pudiéramos redescubrir el quark top en estos datos de archivo, con esta técnica que no necesita saber qué nueva física está buscando, sería muy emocionante y podría darnos confianza para aplicar esto a los conjuntos de datos actuales, para encontrar objetos más exóticos ".
Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.