Para ilmuwan menggunakan jaringan saraf, sejenis algoritma pembelajaran mesin yang terinspirasi dari otak, untuk menyaring data tumbukan partikel dalam jumlah besar. Fisikawan partikel ditugaskan untuk menambang simpanan data tumbukan yang sangat besar dan terus bertambah ini untuk mencari bukti partikel yang belum ditemukan. Secara khusus, mereka mencari partikel yang tidak termasuk dalam Model Standar fisika partikel, pemahaman kita saat ini tentang susunan alam semesta yang menurut para ilmuwan masih belum lengkap.
Sebagai bagian dari kolaborasi ATLAS, para ilmuwan di Laboratorium Nasional Argonne Departemen Energi AS (DOE) dan rekan mereka baru-baru ini menggunakan pendekatan pembelajaran mesin yang disebut deteksi anomali untuk menganalisis data ATLAS dalam jumlah besar. Metode ini belum pernah diterapkan pada data dari eksperimen collider. Hal ini berpotensi meningkatkan efisiensi pencarian kolaborasi untuk sesuatu yang baru. Kolaborasi tersebut melibatkan ilmuwan dari 172 organisasi penelitian.
Tim tersebut memanfaatkan jenis algoritme pembelajaran mesin yang terinspirasi dari otak yang disebut jaringan saraf untuk mencari fitur abnormal atau anomali pada data. Teknik ini berbeda dari metode tradisional dalam mencari fisika baru. Hal ini tidak bergantung pada—dan karena itu tidak dibatasi oleh—prasangka para ilmuwan.
Secara tradisional, para ilmuwan ATLAS mengandalkan model teoretis untuk membantu memandu eksperimen dan analisis mereka ke arah yang paling menjanjikan untuk penemuan. Hal ini sering kali melibatkan pelaksanaan simulasi komputer yang rumit untuk menentukan tampilan aspek tertentu dari data tabrakan menurut Model Standar.
Para ilmuwan membandingkan prediksi Model Standar ini dengan data nyata dari ATLAS. Mereka juga membandingkannya dengan prediksi yang dibuat oleh model fisika baru, seperti prediksi yang mencoba menjelaskan materi gelap dan fenomena lain yang belum ditemukan oleh Model Standar.
Namun sejauh ini, tidak ada penyimpangan dari Model Standar yang teramati dalam miliaran miliaran tabrakan yang tercatat di ATLAS. Dan sejak ditemukannya Higgs boson pada tahun 2012, percobaan ATLAS belum menemukan partikel baru.
“Deteksi anomali adalah cara yang sangat berbeda dalam melakukan pendekatan pencarian ini,” kata Sergei Chekanov, fisikawan di divisi Fisika Energi Tinggi Argonne dan penulis utama studi tersebut. “Daripada mencari penyimpangan yang sangat spesifik, tujuannya adalah untuk menemukan tanda-tanda tidak biasa dalam data yang belum sepenuhnya dieksplorasi, dan itu mungkin terlihat berbeda dari prediksi teori kami.”
Untuk melakukan analisis jenis ini, para ilmuwan merepresentasikan setiap interaksi partikel dalam data sebagai gambar yang menyerupai kode QR. Kemudian, tim melatih jaringan saraf mereka dengan memaparkannya pada 1% gambar.
Jaringan tersebut terdiri dari sekitar 2 juta node yang saling berhubungan, yang dianalogikan dengan neuron di otak. Tanpa bimbingan atau intervensi manusia, alat ini mengidentifikasi dan mengingat korelasi antar piksel dalam gambar yang menjadi ciri interaksi Model Standar. Dengan kata lain, ia belajar mengenali peristiwa-peristiwa khas yang sesuai dengan prediksi Model Standar.
Setelah pelatihan, para ilmuwan memasukkan 99% gambar lainnya melalui jaringan saraf untuk mendeteksi anomali apa pun. Saat diberi gambar sebagai masukan, jaringan saraf bertugas membuat ulang gambar tersebut menggunakan pemahamannya terhadap data secara keseluruhan.
“Jika jaringan saraf menemukan sesuatu yang baru atau tidak biasa, jaringan tersebut menjadi bingung dan kesulitan merekonstruksi gambarnya,” kata Chekanov. “Jika terdapat perbedaan besar antara gambar masukan dan keluaran yang dihasilkan, hal ini memberi tahu kami bahwa mungkin ada sesuatu yang menarik untuk dieksplorasi ke arah tersebut.”
Dengan menggunakan sumber daya komputasi di Pusat Sumber Daya Komputasi Laboratorium Argonne, jaringan saraf menganalisis sekitar 160 juta peristiwa dalam data LHC Run-2 yang dikumpulkan dari tahun 2015 hingga 2018.
Meskipun jaringan saraf tidak menemukan tanda-tanda fisika baru yang mencolok dalam kumpulan data ini, jaringan saraf tersebut menemukan satu anomali yang menurut para ilmuwan layak untuk dipelajari lebih lanjut. Peluruhan partikel eksotik pada energi sekitar 4.8 teraelektronvolt menghasilkan muon (sejenis partikel fundamental) dan pancaran partikel lain dengan cara yang tidak sesuai dengan pemahaman jaringan saraf tentang interaksi Model Standar.
“Kami harus melakukan penyelidikan lebih lanjut,” kata Chekanov. “Kemungkinan ini merupakan fluktuasi statistik, namun ada kemungkinan peluruhan ini mengindikasikan adanya partikel yang belum ditemukan.”
Tim berencana menerapkan teknik ini pada data yang dikumpulkan selama periode LHC Run-3, yang dimulai pada tahun 2022. Ilmuwan ATLAS akan terus mengeksplorasi potensi pembelajaran mesin dan deteksi anomali sebagai alat untuk memetakan wilayah yang tidak diketahui dalam fisika partikel.
Makalah ini dipublikasikan di jurnal Physical Review Letters.