Мощнейший ускоритель частиц в мире пока что не дал нам никакой новой физики – и некоторые учёные выбирают новую стратегию поисков.
Когда-то бывший противоречивым, новый подход к поиску частиц на Большом адронном коллайдере становится основным. Один из основных экспериментов БАК, ATLAS, официально принял этот метод на вооружение – альтернативный способ просеивать горы данных, порождаемых машиной – как лучшую надежду на выявление поведения частиц, выходящего за рамки Стандартной модели. Привычные техники до сих пор не дали результатов.
Пока что все исследования на БАК – который расположен в ЦЕРН, в Европейской лаборатории физики частиц близ Женевы – включали в себя “целевые поиски” признаков из наиболее популярных теорий. Теперь же коллаборация ATLAS описывает свой первый “общий” поиск по данным детектора в препринте работы, опубликованной на сайте arXiv, и предложенной журналу European Physics Journal C. Другой важный эксперимент БАК, компактный мюонный соленоид (CMS), работает над сходным проектом.
“Моя цель – попытаться придумать новый способ поисков новой физики”, на основе данных, а не теории, говорит Сача Кэрон из Радбаудского университета в Нидерландах, стоявший во главе продвижения новой технологии на ATLAS. Обобщённые поиски отличаются от целевых так же, как проверка правописания всего текста от поиска в нём определённого слова. Поиски широкого спектра в ближайшем будущем могут раскрыть свой полный потенциал, когда их скомбинируют со всё усложняющимися методами, связанными с ИИ.
Исследователи с БАК надеются, что эти методы приведут их к новому крупному открытию – чего не случалось с момента обнаружения бозона Хиггса в 2012, вложившего последний кусочек в большую головоломку Стандартной модели. Эта модель была разработана в 1960-х и 1970-х, и описывает все известные субатомные частицы, однако физики подозревают, что это ещё не вся история – к примеру, в теории нет места для тёмной материи. Но крупным экспериментам, например, проходящим на БАК, ещё предстоит обнаружить свидетельства подобного поведения. Это означает, что надо пробовать новые подходы, включая и общие поиски, говорит Джан Джудиче [Gian Giudice], руководящий теоретическим департаментом ЦЕРН, и не занимающийся ни одним из экспериментов. “В данный момент этот подход кажется верным”.
Курс на столкновение
БАК сталкивает друг с другом миллионы протонов каждую секунду, придавая им колоссальные энергии, чтобы породить большие количества частиц распада, которые потом записывают детекторы на ATLAS или CMS. Многие различные типы взаимодействия частиц могут выдавать одинаковые результаты. К примеру, после распада бозона Хиггса может появиться пара фотонов, но те же фотоны могут быть результатом и более распространённых процессов. Поэтому, чтобы искать именно Хиггса, физики сначала запускают симуляции, предсказывающие, сколько таких “неправильных” фотонов нужно ожидать. Затем они считают все пары фотонов, зафиксированные детектором, и сравнивают с симуляциями. Разница – небольшой избыток пар фотонов в узком диапазоне энергий – будет свидетельством существования частицы Хиггса.
На ATLAS и CMS запускали сотни таких целевых поисков, ища частицы, не появляющиеся в стандартной модели. Во многих случаях искали различные варианты наличия суперсимметрии, теоретического расширения модели, куда входят такие гипотетические частицы, как нейтралино, кандидат на звание частицы тёмной материи. Но пока что все такие поиски окончились ничем.
Остаётся возможность того, что экзотические частицы оставляют после себя следы, о которых никто не подумал – и у общих поисков больше шансов найти варианты такого рода. К примеру, физикам ещё предстоит изучить события, приводящие к появлению трёх фотонов, а не двух, говорит Кэрон. “Сотни людей ищут признаки распада Хиггса и суперсимметрию, но может быть мы упускаем нечто, что никому не пришло в голову”, – говорит Арнд Мейер, член команды CMS из Рейнско-Вестфальского технического университета Ахена в Германии.
Если целевые поиски обычно изучают единицы из множества типов продуктов распада, то в последнем исследовании за один раз рассмотрели более 700 типов таких продуктов. В нём проанализировали данные, собранные в 2015 году, в первый год после обновления БАК, когда энергия столкновений протонов поднялась с 8 тераэлектронвольт (ТэВ) до 13 ТэВ. В CMS Мейер с коллегами провели исследование работоспособности принципа, которое пока не опубликовано, на меньшем наборе данных, полученных в экспериментах на 8 ТэВ.
Пока ни в одном эксперименте не было найдено значительных отклонений. Это неудивительно, говорят команды, поскольку наборы данных были относительно небольшими. Сейчас ATLAS и CMS проводят поиски в данных, собранных в 2016 и 2017 годах, объёмы которых в десятки раз больше.
Статистические недостатки
У этого подхода есть “очевидные преимущества, но и явные недостатки”, – говорит Маркус Клют, физик из MIT. Клют участвует в работе CMS и работал над общими поисками в предыдущих экспериментах, однако не участвовал в самых последних исследованиях. Одно из ограничений – статистическая мощность. Если целевой поиск находит положительный результат, существуют стандартные процедуры подсчёта его статистической значимости; при набрасывании более широкой сети обязательно найдутся ложные позитивные результаты. Это одна из причин, по которой в прошлом общий поиск недолюбливали: многие физики боялись, что он может увести их по множеству тупиковых путей. Однако команды говорят, что проделали большую работу над тем, чтобы сделать свои методы более надёжными. “Я очень рад, что это случилось”, – говорит Клют.
Большая часть усилий и ресурсов людей на БАК пока что направлена на целевые поиски, и в ближайшее время это вряд ли поменяется. “Некоторые люди сомневаются в полезности подобных общих поисков, учитывая, что у нас и так есть множество поисков, с лихвой покрывающих большую часть пространства параметров”, – говорит Тулика Бозе из Бостонского университета, помогающий координировать исследовательскую программу на CMS.
Многие исследователи, работающие над общим поиском, говорят, что хотят в результате прийти к тому, чтобы ИИ заменил работу с симуляциями стандартной модели. Сторонники этого подхода надеются использовать машинное обучение для поиска закономерностей в данных без теоретических предвзятостей. “Мы хотим обратить стратегию вспять – позволить данным говорить, куда нам идти дальше”, – говорит Кэрон. Специалисты по информатике также продвигают такой тип машинного обучения “без учителя” – в отличие от контролируемого обучения, в котором машина учится на основе данных, предварительно размеченных людьми.
