Os físicos do MIT encontram uma maneira de relacionar centenas de milhares de colisões de partículas, semelhante a uma rede social. Crédito:Chelsea Turner, MIT
Quando dois prótons colidem, eles liberam jatos pirotécnicos de partículas, cujos detalhes podem dizer aos cientistas algo sobre a natureza da física e as forças fundamentais que governam o universo.
Enormes aceleradores de partículas, como o Large Hadron Collider, podem gerar bilhões dessas colisões por minuto, colidindo feixes de prótons próximos à velocidade da luz. Os cientistas então pesquisam por meio de medições dessas colisões na esperança de desenterrar coisas estranhas, comportamento imprevisível além do manual de física estabelecido conhecido como Modelo Padrão.
Agora, os físicos do MIT encontraram uma maneira de automatizar a busca por física estranha e potencialmente nova, com uma técnica que determina o grau de semelhança entre pares de eventos de colisão. Desta maneira, eles podem estimar as relações entre centenas de milhares de colisões em um esmagamento de feixe de prótons, e criar um mapa geométrico de eventos de acordo com seu grau de similaridade.
Os pesquisadores dizem que sua nova técnica é a primeira a relacionar multidões de colisões de partículas entre si, semelhante a uma rede social.
“Mapas de redes sociais são baseados no grau de conectividade entre as pessoas, e por exemplo, de quantos vizinhos você precisa antes de passar de um amigo para outro, "diz Jesse Thaler, professor associado de física do MIT. "É a mesma ideia aqui."
Thaler diz que esta rede social de colisões de partículas pode dar aos pesquisadores uma sensação de mais conexão, e, portanto, mais típico, eventos que ocorrem quando os prótons colidem. Eles também podem detectar rapidamente os eventos diferentes, na periferia de uma rede de colisão, que eles podem investigar para uma física potencialmente nova. Ele e seus colaboradores, alunos de graduação Patrick Komiske e Eric Metodiev, realizou a pesquisa no MIT Center for Theoretical Physics e no MIT Laboratory for Nuclear Science. Eles detalham sua nova técnica esta semana no jornal Cartas de revisão física .
Vendo os dados de forma agnóstica
O grupo de Thaler se concentra, em parte, no desenvolvimento de técnicas para analisar dados abertos do LHC e outras instalações do colisor de partículas na esperança de desenterrar física interessante que outros poderiam ter perdido inicialmente.
"Ter acesso a esses dados públicos tem sido maravilhoso, "Thaler diz." Mas é assustador vasculhar essa montanha de dados para descobrir o que está acontecendo. "
Os físicos normalmente procuram nos dados do colisor padrões específicos ou energias de colisões que eles acreditam ser de interesse com base em previsões teóricas. Esse foi o caso da descoberta do bóson de Higgs, a partícula elementar indescritível que foi prevista pelo Modelo Padrão. As propriedades da partícula foram teoricamente descritas em detalhes, mas não foram observadas até 2012, quando os físicos, sabendo aproximadamente o que procurar, encontraram assinaturas do bóson de Higgs escondidas em meio a trilhões de colisões de prótons.
Mas e se as partículas exibirem um comportamento além do que o modelo padrão prevê, que os físicos não têm nenhuma teoria para antecipar?
Três eventos de colisão de partículas, na forma de jatos, obtido a partir do CMS Open Data, formar um triângulo para representar um "espaço de eventos" abstrato. A animação mostra como um jato pode ser reorganizado de forma otimizada em outro. Crédito:Massachusetts Institute of Technology
Thaler, Komiske, e Metodiev descobriram uma nova maneira de filtrar os dados do colisor sem saber com antecedência o que procurar. Em vez de considerar um único evento de colisão por vez, eles procuraram maneiras de comparar vários eventos entre si, com a ideia de que talvez determinando quais eventos são mais típicos e quais são menos típicos, eles podem escolher outliers com potencialmente interessantes, comportamento inesperado.
"O que estamos tentando fazer é ser agnósticos sobre o que pensamos ser uma nova física ou não, "diz Metodiev." Queremos que os dados falem por si. "
Sujeira em movimento
Os dados do colisor de partículas estão repletos de bilhões de colisões de prótons, cada um dos quais compreende sprays individuais de partículas. A equipe percebeu que esses sprays são essencialmente nuvens de pontos - coleções de pontos, semelhantes às nuvens de pontos que representam cenas e objetos em visão computacional. Pesquisadores nesse campo desenvolveram um arsenal de técnicas para comparar nuvens de pontos, por exemplo, para permitir que os robôs identifiquem com precisão objetos e obstáculos em seu ambiente.
Metodiev e Komiske utilizaram técnicas semelhantes para comparar nuvens de pontos entre pares de colisões em dados do colisor de partículas. Em particular, eles adaptaram um algoritmo existente que é projetado para calcular a quantidade ideal de energia, ou "trabalho" que é necessário para transformar uma nuvem de pontos em outra. O ponto crucial do algoritmo é baseado em uma ideia abstrata conhecida como "distância do motor da Terra".
"Você pode imaginar depósitos de energia como sendo sujeira, e você é o movedor de terra que tem que mover aquela sujeira de um lugar para outro, "Thaler explica." A quantidade de suor que você gasta indo de uma configuração para outra é a noção de distância que estamos calculando. "
Em outras palavras, quanto mais energia é necessária para reorganizar uma nuvem de pontos para se parecer com outra, quanto mais distantes eles estão em termos de semelhança. Aplicando essa ideia aos dados do colisor de partículas, a equipe foi capaz de calcular a energia ideal necessária para transformar uma dada nuvem de pontos em outra, um par de cada vez. Para cada par, eles atribuíram um número, com base na "distância, "ou grau de similaridade que calcularam entre os dois. Eles então consideraram cada nuvem de pontos como um único ponto e organizaram esses pontos em uma espécie de rede social.
A equipe conseguiu construir uma rede social de 100, 000 pares de eventos de colisão, a partir de dados abertos fornecidos pelo LHC, usando sua técnica. Os pesquisadores esperam que, ao olhar para conjuntos de dados de colisão como redes, os cientistas podem ser capazes de sinalizar rapidamente eventos potencialmente interessantes nas bordas de uma determinada rede.
“Gostaríamos de ter uma página no Instagram para todos os eventos mais loucos, ou nuvens de pontos, registrado pelo LHC em um determinado dia, "diz Komiske." Esta técnica é uma forma ideal de determinar essa imagem. Porque você apenas encontra o que está mais longe de todo o resto. "
Conjuntos de dados de colisor típicos que são disponibilizados publicamente normalmente incluem vários milhões de eventos, que foram pré-selecionados de um caos original de bilhões de colisões que ocorreram a qualquer momento em um acelerador de partículas. Thaler diz que a equipe está trabalhando em maneiras de expandir sua técnica para construir redes maiores, para visualizar potencialmente a "forma, "ou relações gerais dentro de um conjunto de dados inteiro de colisões de partículas.
No futuro próximo, ele prevê testar a técnica em dados históricos que os físicos agora sabem que contêm descobertas importantes, como a primeira detecção em 1995 do quark top, a mais massiva de todas as partículas elementares conhecidas.
"O quark top é um objeto que dá origem a esses engraçados, sprays de radiação de três pontas, que são muito diferentes dos sprays típicos de uma ou duas pontas, "Thaler diz." Se pudéssemos redescobrir o quark top nesses dados de arquivo, com esta técnica que não precisa saber que nova física está procurando, seria muito empolgante e poderia nos dar confiança para aplicar isso aos conjuntos de dados atuais, para encontrar objetos mais exóticos. "
Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.