Seth Moortgat zet machine learning in bij deeltjesfysica om nieuwe natuurfenomenen op te sporen
Nog steeds gebruiken wetenschappers de nalatenschap van Marie Curie in hun eigen onderzoeksdomeinen en delen ze haar passie voor wetenschap en vooruitgang. De Belgische natuurkundige Seth Moortgat ontwikkelde twee methodes waarbij machine learning, of artificial intelligence, wordt ingezet om de data die de deeltjesversneller van CERN genereert te analyseren en om nieuwe natuurfenomenen op te sporen.
Zowel nietig als hoopvol
Seth Moortgat is postdoctoraal onderzoeker aan de VUB en werkt ook als experimenteel deeltjesfysicus bij CERN, het Europees Centrum voor Nucleair Onderzoek, gevestigd in Genève. In CERN werken wetenschappers uit heel de wereld samen om te doorgronden van welke materie het universum gemaakt is en hoe het werkt.
"95% van de inhoud van het universum kennen we vandaag de dag nog niet. Om mee te kunnen werken aan onderzoek dat die vragen beantwoordt, maakt dat ik me tegelijkertijd zowel nietig als hoopvol voel."
Seth Moortgat
Op zoek naar de bouwstenen van het universum
De bouwstenen van het universum worden onderzocht met behulp van deeltjesversnellers. Een van de belangrijkste laboratoria van CERN is de LHC: de Large Hadron Collider, dit is de grootste deeltjesversneller ter wereld. De LHC is een ondergrondse, cirkelvormige buis met een omtrek van 27 kilometer. In deze buis worden protonen met elkaar in botsing gebracht.Protonen zijn subatomaire deeltjes, die samen met neutronen de kern van een atoom vormen. De protonen zelf bestaan dan weer uit twee soorten quarks: up quarks en down quarks.
In de deeltjesversneller worden de protonen versneld totdat ze bijna even snel gaan als het licht (300.000 km/s). Vervolgens laten de wetenschappers de protonen met elkaar botsen. Bij een dergelijke hoogenergetische botsing komen er als het ware kleine brokstukjes vrij. Op de plaats waar de deeltjes op elkaar botsen staan detectoren, een soort digitale camera’s, waarmee men foto’s van de botsingen en de brokstukjes maakt.
Elke botsing brengt een grote hoeveelheid data voort. Door deze te analyseren, komen de wetenschappers meer te weten over de kleinste delen van het universum. Zo werd in 2012 het higgsdeeltje ontdekt, het deeltje dat waarschijnlijk aan de oorsprong ligt van de massa van alle materie.
Efficiënter natuurfenomenen opsporen
Met behulp van de twee methodes van Seth Moortgat kunnen al deze data uit de deeltjesversneller efficiënter geanalyseerd worden en kunnen
patronen (ook patronen die van tevoren niet voorspeld kunnen worden) sneller gedetecteerd worden.
- De eerste methode richt zich op de
identificatie van verschillende soorten quarks. Met behulp van een slim algoritme worden deze elementaire deeltjes na een botsing opgespoord en van elkaar onderscheiden. Zo kan er gemeten worden hoe vaak elke soort quark geproduceerd wordt bij een botsing en kunnen de achterliggende natuurfenomenen onderzocht worden. - De tweede methode focust op het vergelijken van de resultaten van de verschillende botsingen. Dit verhoogt de gevoeligheid van de data-analyse en zorgt ervoor dat theoretische modellen sneller herkend of uitgesloten kunnen worden. Door modellen uit te sluiten, kan er vlotter in kaart gebracht worden voor welke natuurfenomenen er nog geen verklaring is of welke fenomenen er over het hoofd gezien worden.
Dankzij deze innovatieve toepassing van machine learning kunnen nieuwe natuurfenomenen dus efficiënter opgespoord worden.
"De subnucleaire fysica is springlevend, ook de technologische ontwikkelingen die daaraan verbonden zijn. Ik ben ervan overtuigd dat er in de toekomst nog heel mooie dingen op ons staan te wachten."
Seth Moortgat
"De subnucleaire fysica is springlevend, ook de technologische ontwikkelingen die daaraan verbonden zijn. Ik ben ervan overtuigd dat er in de toekomst nog heel mooie dingen op ons staan te wachten, zeker ook mooie toepassingen op maatschappelijk vlak. Ik ben erg hoopvol en kijk uit naar een heel mooie toekomst," aldus Seth Moortgat.
