OLTRE IL BOSONE DI HIGGS

A caccia di nuove particelle col deep learning

I fisici non dovranno più creare a mano centinaia e centinaia di algoritmi per studiare i dati provenienti dagli acceleratori e dai collisori che usano per trovare particelle sfuggenti che non esistono anche nel nostro universo in condizioni normali. Ci penserà il computer e farà tutto da solo. Ecco come

Rappresentazione del Bosone di Higgs, particella elementare osservata per la prima volta lo scorso 2012 negli esperimenti ATLAS e CMS, condotti con l'acceleratore LHC del CERN di Ginevra.

Rappresentazione del Bosone di Higgs, particella elementare osservata per la prima volta lo scorso 2012 negli esperimenti ATLAS e CMS, condotti con l’acceleratore LHC del CERN di Ginevra.

Il computer impara da solo e i fisici aspettano solo la nuova grande scoperta dell’anno. La ricerca di nuove particelle, come il Bosone di Higgs, sta facendo passi da gigante e in futuro, ne sono certi gli esperti, verranno realizzate sempre più scoperte grazie al “deep learning”, vale a dire una serie di algoritmi di apprendimento automatico e controllato che tentano di modellare astrazioni ad alto livello di dati utilizzando architetture composte da più trasformazioni non lineari. Utilizzando questi algoritmi, creati nel campo di ricerca dell’intelligenza artificiale, i fisici e gli informatici puntano ad aumentare le loro chance di scoprire le sorelle particelle del Bosone di Higgs. I risultati dello studio dei ricercatori dell’Università Irvine della California sono stati pubblicati sulla rivista Nature Communications.

“I risultati del nostro lavoro sono entusiasmanti”, ha detto il co-autore Pierre Baldi, docente di informatica  “soprattutto con la speranza che il deep learning può aiutare a risolvere le questioni ancora aperte sulla natura della materia, della gravità e sull’origine dell’universo”. Baldi, con il ricercatore Peter Sadowski e il professore associato di fisica e astronomia Daniel Whiteson, ha nuovi metodi più rapidi e più efficienti per analizzare i dati ottenuti dagli acceleratori di particelle e dai collisori usati per meglio individuare le particelle rare, sfuggenti e che non esistono anche nel nostro universo in condizioni normali

“Ci riferiamo a una branca della scienza informatica con cui, piuttosto che programmare i computer per svolgere un compito molto difficile, i computer imparano automaticamente dagli esempi che di volta in volta si presentano”, ha spiegato Baldi. “Risulta molto difficile scrivere da zero un programma in grado di riconoscere bosoni di Higgs nei dati dei collisori, ma siamo in grado di fornire al calcolatore molti esempi di dati con e senza bosoni di Higgs: questo lascia alla macchina la possibilità di apprendere automaticamente da questi esempi”.

Il Bosone di Higgs (teorizzato già nel 1964 e la cui esistenza è stata confermata solo nel 2012 con il Large Hadron Collider al Cern di Ginevra) potrebbe contribuire a spiegare perché alcune particelle hanno massa, oltre a dare una risposta ad altri interrogativi della fisica. Trovare queste particelle non è come bere un bicchier d’acqua, anzi è più come cercare un ago in un pagliaio perché è necessario smistare e analizzare un’enorme quantità di dati epurandoli dal rumore di fondo.

Attualmente i fisici elaborano a mano formule matematiche e algoritmi che si applicano di volta in volta ai dati raccolti dagli acceleratori e che poi confluiscono in programmi di apprendimento dei calcolatori. Utilizzando invece i recenti progressi del deep learning, il team di ricerca ha eliminato la necessità della creazione manuale di formule, che portava via moltissimo tempo: il tutto avverrà in modo automatico. Negli ultimi esperimenti, il metodo dei ricercatori UCI ha portato a un aumento statisticamente significativo dell’8% nella rilevazione di queste particelle.

Per saperne di più:

Leggi qui il paper: “Searching for exotic particles in high-energy physics with deep learning”, di P. Baldi, P. Sadowski e D. Whiteson