CE31 - Physique subatomique et astrophysique

Apprentissage statistique d'une nouvelle physique dispersée au LHC – SLDNP

Résumé de soumission

Les expériences au LHC font un effort énorme pour rechercher une nouvelle physique dans une pléthore d'états finaux, en exploitant de nombreuses techniques d'analyse différentes. Les plans d'analyse sont souvent motivés par des idées théoriques sur la manière d'étendre le soi-disant modèle standard de la physique des particules. Jusqu'à présent, aucun signe clair de nouvelle physique n'a émergé dans aucune de ces recherches, et ainsi les limites sur les masses de nouvelles particules hypothétiques des scénarios «au-delà du modèle standard» (BSM) sont poussées de plus en plus haut. Il y a cependant un problème fondamental avec cette approche canal par canal: bien qu'elle soit très puissante pour découvrir ou exclure des signaux simples et clairs qui n'apparaissent que dans un seul canal, les signaux dispersés (c'est-à-dire les effets de nouvelles particules qui sont réparties sur plusieurs régions de recherche ou états finaux) peuvent facilement être manquées car dans chaque analyse individuelle, seule une petite partie des données disponibles est utilisée.

Le problème est brûlant pour deux raisons. Tout d'abord, il reste clair que le modèle standard ne peut pas être le dernier mot. La question de la stabilité de la masse du boson de Higgs reste un casse-tête non résolu, tout comme la nature de la matière noire et l'origine de l'asymétrie baryonique dans l'univers, pour ne citer que quelques-uns des problèmes majeurs qui nous échappent encore à ce jour et qui peuvent avoir leurs réponses en physique BSM à l'échelle de TeV. Deuxièmement, le LHC sera la machine à la frontière énergétique du monde dans l'avenir prévisible, la phase 3 se déroulant entre 2022 et 2024 et la phase LHC à haute luminosité prévue pour 2028. Il va sans dire que l'exploitation complète des données du LHC est de première importance pour le domaine.

Avec le projet SLDNP, nous tentons une approche nouvelle et beaucoup plus globale du problème. Concrètement, nous visons à développer un algorithme d'apprentissage statistique qui identifie les signaux potentiels dispersés dans le grand nombre d'analyses LHC publiées (collectées dans une grande base de données) tout en restant compatible avec l'ensemble des contraintes du LHC. Les signaux dispersés sont contextualisés avec des «proto-modèles» de nouvelle physique pour des tests supplémentaires et une cartographie sur des théories complètes (UV-complet ou champ effectif). En cas de découverte, cette contextualisation indépendante du modèle peut aider à résoudre le problème inverse de la physique des particules et à finalement démêler la théorie BSM sous-jacente concrète.

SLDNP est donc une approche globale ascendante basée sur les données de la quête d'une nouvelle physique. Sa faisabilité a été récemment démontrée dans une étude prototype. L'objectif de ce projet ANR est de réaliser à plein le potentiel de l'approche SLDNP et de le développer en un cadre robuste et fiable pour élucider les effets de la nouvelle physique dans les données du LHC.

Le projet est une étroite collaboration entre théoriciens et expérimentateurs du Laboratoire de Physique Subatomique et de Cosmologie (LPSC) de Grenoble et de l'Institut de Physique des Hautes Energies (HEPHY) de l'Académie Autrichienne des Sciences à Vienne. Les chercheurs impliqués sont des experts en physique BSM et ont une longue expérience de la réinterprétation des résultats du LHC, de la science des données et du développement d'outils informatiques.

Coordination du projet

Sabine Kraml (Laboratoire de Physique Subatomique et de Cosmologie)

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Partenaire

Austrian Academy of Sciences / Insitute for High Energy Physics
LPSC Laboratoire de Physique Subatomique et de Cosmologie

Aide de l'ANR 428 001 euros
Début et durée du projet scientifique : - 48 Mois

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter