#
L’intelligence artificielle (IA) est utilisée dans de nombreuses industries, y compris celles auxquelles les gens ne s’attendent peut-être pas immédiatement. Un exemple est la façon dont les physiciens se tournent vers l’IA pour faire des choses qui ne sont pas possibles autrement.
Analyse d’énormes quantités de données
Les physiciens qui réalisent des expériences avec le Large Hadron Collider (LHC) savent qu’ils ont affaire au plus grand accélérateur de particules du monde. Chaque essai produit environ un million de gigaoctets de données par seconde.
Après seulement une heure, le LHC génère environ autant de données que Facebook en traite en un an. Cette quantité massive d’informations est trop importante pour que les humains puissent la traiter sans aide. Heureusement, ils reçoivent l’aide de l’apprentissage automatique, un type d’IA. Avant l’apprentissage automatique, les physiciens construisaient un algorithme informatique spécifique pour effectuer le type d’analyse souhaité, mais ils devaient d’abord passer des heures à effectuer des travaux de conception et d’analyse. L’apprentissage automatique leur évite de passer par ces étapes. Il figure les analyses de manière indépendante, laissant les physiciens libres de se consacrer à d’autres tâches.
Le matériel et les logiciels effectuent des évaluations en temps réel pour décider des données à conserver et de celles à écarter. Que les algorithmes d’apprentissage automatique passent les données au crible ou regardent ce qui reste, les physiciens disent qu’ils gèrent environ 70 % des décisions associées à certaines expériences du LHC.
À l’été 2018, l’apprentissage automatique a aidé les scientifiques à détecter une interaction entre le boson de Higgs et le quark supérieur. À ce titre, les physiciens ont pu confirmer leur force.
Le boson de Higgs est particulièrement remarquable, car les chercheurs affirment qu’il fait partie du modèle standard de la physique. Il contient les règles composant les éléments fondamentaux de l’univers.
Rendre le LHC plus performant
L’une des principales raisons pour lesquelles les physiciens veulent explorer l’apprentissage automatique est qu’ils pensent qu’il pourrait donner aux systèmes de détection du LHC les moyens de traiter jusqu’à 20 fois plus de données qu’ils ne le peuvent actuellement.
Le LHC enregistre les collisions de particules avec des instantanés contenant des centaines de milliers de pixels et jusqu’à 20 paires de protons. Les ordinateurs à l’intérieur du LHC reconstruisent les trajectoires en temps réel, puis passent à la prise d’une autre photo.
L’apprentissage par la machine peut révéler de nouvelles découvertes
L’apprentissage par la machine aide également les physiciens à en savoir plus sur la façon dont les neutrinos changent lorsqu’ils traversent la Terre. Ils passent par des oscillations qui les transforment en différents types.
Alors que les scientifiques étudient quand et comment cela se produit, ils pensent pouvoir trouver un nouveau type de neutrino qui pourrait être une particule de matière noire. Des capteurs remarquent les particules chargées produites lorsque les neutrons frappent un détecteur, et l’apprentissage automatique les identifie.
En raison de ces utilisations de l’IA, il n’est pas surprenant que Bill Gates en parle comme de sa « technologie du Graal. » Dans le domaine de la physique quantique, les physiciens utilisent un programme informatique pour concevoir des expériences auxquelles ils n’auraient pas pensé par eux-mêmes. À ce titre, ils pourraient réaliser de nouvelles choses qui ne seraient pas évidentes sans l’apprentissage automatique.
Juan Carrasquilla est un expert en matière condensée qui a appris lui-même l’apprentissage automatique pour propulser son travail. Il pense que l’apprentissage automatique pourrait un jour résoudre ce qu’il appelle le » problème ultime de big data » pour les physiciens : trouver le schéma d’ondes d’un système à plusieurs électrons. Si cela se produisait, cette découverte pourrait conduire à des problèmes résolus en science des matériaux, ainsi qu’à des avancées pharmaceutiques de plusieurs millions de dollars.
Application de l’apprentissage profond à la physique
Les physiciens prévoient également d’utiliser un type d’apprentissage automatique appelé apprentissage profond pour faire encore plus de progrès dans les applications de la physique des particules. Il s’inspire des réseaux neuronaux du cerveau humain.
Jusqu’à récemment, il était extrêmement difficile de former des réseaux neuronaux étendus. Cependant, les améliorations apportées aux algorithmes et au matériel ont ouvert de nouvelles possibilités pour résoudre des problèmes de physique des particules de longue date.
Même si le mariage de l’apprentissage profond et de la physique des particules n’en est qu’à ses débuts, les physiciens envisagent positivement les possibilités futures. Par exemple, ils pourraient utiliser l’apprentissage profond pour des tâches de vision par ordinateur qui reconnaissent des aspects d’images abstraites.
Ils pourraient également utiliser l’apprentissage profond pour identifier des caractéristiques dans les jets de particules, les pulvérisations étroites de particules produites lors de certaines expériences d’accélérateurs de particules. Les chercheurs disent qu’il est difficile de différencier les jets en pistes individualisées, mais l’apprentissage profond pourrait y contribuer.
L’IA fait avancer la physique
Ce bref aperçu met en évidence les raisons pour lesquelles les physiciens voient des promesses dans le concept d’application de l’IA à leur travail. Les premières améliorations sont notables, et les chercheurs travaillent sur des moyens de donner à l’apprentissage automatique un rôle déterminant dans leurs tentatives pour en savoir plus sur l’univers.
