Les réseaux de neurones sur le collisionneur: l'IA cherche la physique que nous n'avions pas commandée

Imaginez que vous ayez construit l'appareil le plus cher et le plus complexe de l'histoire de l'humanité — un anneau de 27 kilomètres à la frontière entre la France et la Suisse — et il s'obstine à confirmer uniquement ce que vous savez depuis cinquante ans. C'est exactement la situation dans laquelle se sont trouvés les physiciens avec le Grand Collisionneur de Hadrons. Le Modèle Standard, qui décrit comment notre monde fonctionne, s'avère être d'une précision effrayante.

Il prédit les propriétés des particules avec une précision de parties par billion, mais laisse sans réponse les questions principales : qu'est-ce que la matière noire, où est passée l'antimatière et pourquoi les neutrinos ont-ils une masse ? C'est comme si nous étions coincés dans une pièce parfaitement propre où tout est rangé sur des étagères, mais nous savons avec certitude qu'un entrepôt entier de choses non étudiées se cache derrière le mur.

Pendant longtemps, les scientifiques ont cherché des choses spécifiques. Par exemple, la supersymétrie — une théorie qui promettait un zoo entier de nouvelles particules lourdes. Quand le LHC a démarré en 2008, les jeunes étudiants en troisième cycle étaient convaincus que la supersymétrie « sauterait littéralement à la figure » dès la première année de fonctionnement. Dix-huit ans ont passé, et l'enthousiasme s'est dissipé. Nous avons cherché ce que nous nous attendions à trouver et n'avons rien trouvé. Maintenant, la physique des particules emprunte un chemin différent, où au lieu de l'intuition humaine et des théories préconçues, l'intelligence artificielle entre en jeu — une IA entraînée pour chercher « simplement quelque chose d'étrange ».

L'outil clé ici est l'apprentissage non supervisé, en particulier les autoencodeurs. Dans l'industrie, ils sont utilisés pour détecter les attaques de pirates : un réseau de neurones étudie le trafic normal, le comprime et tente de le reconstruire. Si le trafic change soudainement, l'algorithme ne peut pas le reconstruire correctement et déclenche une alarme.

Les physiciens ont décidé : remplaçons les ordinateurs du réseau par des particules élémentaires. Nous alimentons l'IA avec des données sur les collisions typiques, et quand quelque chose vole à travers le détecteur que le réseau de neurones ne peut pas « reconnaître » et comprimer, il le marque comme une anomalie. Cela nous permet de chercher la physique au-delà du Modèle Standard sans même avoir une idée approximative de ce qu'elle devrait ressembler.

Le problème est qu'il y a trop de données. Le collisionneur produit 40 millions de collisions par seconde. Il est impossible de sauvegarder un tel volume d'informations — les disques brûleraient simplement.

Les décisions sur ce qu'il faut conserver et ce qu'il faut rejeter doivent donc être prises instantanément. C'est là que le « matériel » intervient. Des scientifiques du MIT et du Fermilab ont appris à intégrer des réseaux de neurones dans des puces FPGA (réseaux logiques programmables).

Ces systèmes analysent les événements en 80 nanosecondes. C'est plus rapide que le cerveau humain ne peut prendre conscience d'une éclair lumineux. Nous créons littéralement un « génie numérique » qui voit le monde différemment et filtre la réalité à la recherche de fissures dans le tissu de l'univers.

Mais même l'algorithme le plus intelligent comporte un risque. Dans l'histoire de la physique, il y a déjà eu des cas d'« Oops-Leon » (fausses découvertes), quand les fluctuations statistiques étaient confondues avec de nouvelles particules. Les physiciens sont prudents : pour prétendre à une découverte, la probabilité d'erreur doit être inférieure à un sur 3,5 millions.

L'IA peut trouver une anomalie qui s'avère être simplement du bruit dans le détecteur ou un câble mal connecté. Ainsi, le réseau de neurones ici ne remplace pas le physicien, mais fonctionne comme un éclaireur. Il dit : « Hé, regarde dans ce coin, quelque chose d'étrange se passe ».

Et puis c'est à la personne avec crayon et craie de décider si c'est un prix Nobel ou simplement un capteur défaillant.

Devant nous se dresse le projet DUNE — un détecteur géant de neutrinos qui attrapera des particules fantômes volant à travers 1 300 kilomètres de roche. Là, l'IA triera 5 térabytes de données par seconde à la recherche de traces de supernovae ou de désintégration de protons. Nous avons enfin admis que nos théories peuvent être des lunettes qui non seulement nous aident à voir, mais aussi nous aveuglent, cachant les couleurs auxquelles nous ne sommes pas habitués. Peut-être que la prochaine grande vérité sur l'Univers sera découverte non par un nouvel Einstein, mais par un algorithme auquel on a simplement oublié de dire que chercher des particules « impossibles » n'est pas convenable.

Conclusion clé : La physique passe de la vérification des théories à la chasse aux anomalies basée sur l'apprentissage automatique. Si le Modèle Standard s'effondre, ce sera probablement sous l'assaut d'algorithmes fonctionnant à des vitesses de nanosecondes.