Statistisches Lernen diffuser neuer Physik am LHC
Statistically Learning Dispersed New Physics at the LHC
Bilaterale Ausschreibung: Frankreich
Wissenschaftsdisziplinen
Informatik (15%); Mathematik (30%); Physik, Astronomie (55%)
Keywords
-
Inverse Problem,
Simplified Models,
Statistical Learning,
LHC phenomenology,
Beyond The Standard Model
Die Beschreibung der Gesetzmäßigkeiten unseres Universums auf grundlegendster Ebene ist Gegenstand der Teilchenphysik Was ist es, was die Welt im Innersten zusammenhält? Um unser Verständnis auf dieser Ebene zu erweitern, haben ein paar tausend Kollegen, darunter auch wir, das größte Mikroskop der Welt gebaut, den 30 Kilometer großen Large Hadron Collider, LHC. Seit 2009 nehmen wir Daten, mittlerweile hat das Datenvolumen die Größenordnung von 1 Exabyte (1 Milliarde Gigabyte) erreicht, und die Suche nach Unbekanntem, nach neuer Physik ist in hunderten wissenschaftlichen Publikationen dokumentiert. Aber was verraten uns die vielen Arbeiten wirklich über unbekannte Physik? Gibt es versteckte Hinweise darauf, dass unser Universum supersymmetrisch ist? Schliessen sie aus, dass unsere Raumzeit aus mehr als drei (Raum) plus eins (Zeit) Dimensionen besteht? Sehen wir Hinweise für die Existenz dunkler Materie in den Ergebnissen, jedoch nur wenn wir uns aus vielen Einzelergebnissen ein Gesamtbild zu bilden versuchen? Diese Fragen sind nicht ganz einfach zu beantworten. In diesem österreichisch-französischen bilateralen Projekt versuchen wir uns an einem neuen Zugang zu diesen Fragen. In Vorfeldstudien entwickelten wir eine künstliche Intelligenz (KI), ein Softwareprogramm, das etwa hundert publizierte Ergebnisse selbständig durchforstete, und nach Hinweisen für neuer Physik suchte, die nur offenkundig werden wenn man alle Ergebnisse kombiniert. In diesem Projekt wollen wir diese Idee zu voller Reife bringen. Die künstliche Intelligenz soll erweitert werden, mit einem größeren Teil der LHC Ergebnissen gefüttert werden. Dabei soll die KI auch selbständig physikalische Protomodelle entwickeln potentielle Vorgängertheorien einer fundamentalen, neuen physikalischen Theorie. Falls die KI in ihrer Suche fündig wird, würden wir Menschen versuchen, diese Vorgängertheorien zu einer vollwertigen, sinnvollen physikalischen Theorien auszubauen: Künstliche Intelligenz und menschliche Intelligenz, so unser Plan, sollen in einer Symbiose ihre jeweiligen Stärken ausspielen im Streben nach einer fundamentalen Beschreibung von Energie und Materie in unserem Universum.
- Andre Lessa, Universidade Federal do ABC - Brasilien
- Humberto Reyes Gonzalez, Università di Genova - Italien