Abonnements
Espace & Particules (4/2020)
Bien que mise à l’arrêt depuis 2016, la sonde Rosetta, qui a observé pendant deux ans la comète Tchourioumov-Guérassimenko, fournit encore des données. En effet, un de ses instruments a repéré des sels d’ammonium à la surface de l’astre. Jusqu’à présent, cette molécule avait seulement été détectée dans une poussière éjectée de la comète par un autre instrument de Rosetta. Cette découverte permettrait d’expliquer pourquoi l’azote n’avait jusqu’alors pas été repéré, car sous la forme de sels, sa détection est plus difficile.
À la recherche des neutrinos
A l’issue d’une sortie en mer de trois jours, la collaboration KM3NeT-France a immergé à 2450 m de fond en Méditerranée, au large de Toulon, deux nouvelles lignes de capteurs optiques. Cette étape conclut la phase de démonstration du télescope à neutrinos Orca. Désormais, six lignes sont connectées et envoient leurs données vers le centre de calcul de l’Institut national de physique nucléaire et de physique des particules (IN2P3) du CNRS.
À terme, Orca devrait compter 115 lignes de détection. Il sera jumelé avec un second télescope, ARCA, comportant 230 autres lignes, déployé à 3450 m sous le niveau de la mer aux abords de la Sicile. Cet ensemble, qui sera complètement déployé vers 2026, constituera le plus grand télescope à neutrinos du genre, capable de voir ces particules très énergétiques produites par les phénomènes cosmiques les plus violents de l’Univers.
Des réseaux neuronaux en quête de particules exotiques
La collaboration CMS du CERN a développé un réseau neuronal artificiel capable d’identifier les particules exotiques générées par les collisions proton-proton du Grand collisionneur de hadrons (LHC). Elle utilise pour cela la technologie d’apprentissage machine pour suivre les événements inhabituels parmi les données du LHC.
La plupart des particules à longue durée de vie traquées par les expériences du CERN sont indétectables, mais elles peuvent se désintégrer en particules détectables, laissant une signature atypique. C’est là que ce nouvel outil entre en jeu. Les algorithmes standard utilisés pour interpréter les données des collisions proton-proton ne sont pas conçus pour rechercher ces événements inhabituels. Or, les réseaux neuronaux artificiels peuvent apprendre automatiquement, à partir des données transférées par les scientifiques pour atteindre leur but. Alimenté par des données provenant de collisions réelles, le réseau neuronal de CMS a été entraîné à repérer les événements intéressants.
Ce projet fait partie d’un effort plus vaste coordonné entre toutes les expériences du LHC pour utiliser des techniques modernes d’apprentissage automatique, afin d’améliorer l’analyse des grandes quantités de données générées par le grand collisionneur. C’est une nouvelle étape après des décennies d’utilisation de l’intelligence artificielle dans le domaine de la physique des hautes énergies.
