ENGINEERINGNET.BE - Met de eerste methode kunnen verschillende soorten van deze quarks makkelijker geïdentificeerd worden.
De tweede methode verhoogt de gevoeligheid van de data-analyse bij het vergelijken van de resultaten, waardoor de theoretische modellen sneller kunnen geverifieerd en mogelijks uitgesloten. Hierdoor is men weer een stap dichter is bij het opsporen van nog onbekende natuurfenomenen.
In het CERN, het Europees onderzoekslaboratorium voor elementaire deeltjesfysica, staat de krachtigste deeltjesversneller op aarde, de Large Hadron Collider (LHC), waarin men protonen tot record-energieën versnelt en tegen elkaar laat botsen.
Met die botsingen bootst men omstandigheden na van een fractie van een seconde na de Oerknal (Big-Bang). Hier begint de zoektocht naar nog onbekende natuurfenomenen. Seth Moortgat werkt hieraan mee, op zoek naar mysteries zoals donkere materie:
Dr. Seth Moortgat: “Het Standaardmodel van de deeltjesfysica beschrijft de elementaire bouwstenen van het universum en de krachten die verantwoordelijk zijn voor de interacties tussen deze deeltjes.
De ontdekking van het Brout-Englert-Higgs deeltje in 2012 was de laatste mijlpaal om dit model te vervolledigen. Maar het model is niet volledig, omdat het er niet in slaagt om fenomenen zoals donkere materie, de massa van neutrino’s of zelfs zwaartekracht te beschrijven.”
Moortgat voert fundamenteel onderzoek naar fenomenen, die zich zouden kunnen schuilhouden achter de interacties tussen de drie zwaarste materiedeeltjes, charm quarks, bottom quarks en top quarks.
Hij ontwikkelde innovatieve algoritmes met Machine Learning (het principe achter artificiële intelligentie: zelflerende machines die men kan trainen om specifieke patronen te herkennen in grote hoeveelheden data ) om de verschillende soorten quarks in de detector te kunnen identificeren en van elkaar te onderscheiden.
“Met de ontwikkeling van innovatieve Machine Learning methodes kunnen we nu meten hoe vaak deze drie zwaarste quarks samen worden geproduceerd in de miljarden deeltjesbotsingen die elke seconde in de LHC plaatsvinden.”
Met deze waarnemingen ging Moortgat dan weer via AI aan de slag om vanuit de meetresultaten een groot deel nieuwe fysica modellen uit te sluiten: "Het uitsluiten van modellen is enorm belangrijk om te kunnen doorgronden welke natuurfenomenen we vandaag blijkbaar nog over het hoofd zien.”
De resultaten van zijn onderzoek verschenen in het gerenommeerde Journal for High Energy Physics.
