View Project

Norwegian AI Directory

Developing solvents for unclogging the calculational bottleneck in high-energy physics


Description:

Når partikkelfysikere i dag leter etter universets byggestener, for eksempel den gåtefulle mørke materien som holder galaksene sammen, står de overfor alvorlige flaskehalser i form av tunge numeriske beregninger. For å teste realistiske nye fysikkmodeller mot den mengden av data som eksisterer i dag fra alt fra astrofysiske observasjoner til eksperimenter ved Large Hadron Collider, må de store parameterrommene til modellene utforskes i detalj. Dette betyr gjentatte presise numeriske evalueringer av teoretiske prediksjoner for modellen for ulike parameterverdier. Det kan være nødvendig med millioner til milliarder av slike reevalueringer totalt for en enkelt modell, avhengig av antall parametere i modellen. Hver av disse prediksjonene er beregningsmessig svært kostbare, og det er i dag umulig å gjøre nøyaktige tester på alt untatt de aller enkleste modellene, selv ved bruk av superdatamaskiner. Dette prosjektet har som mål å fjerne slike beregningsmessige flaskehalser gjennom et tverrfaglig samarbeid mellom partikkelfysikere og statistikere. For å nå målet vil prosjektet følge en rekke forskjellige forskningsstrategier: det vil skape moderne maskinlæringsverktøy for å utføre presisjonsberegninger i kvantefeltteori, samt evaluere deres usikkerhet, og det vil utvikle et programvarerammeverk for å bruke disse i høyenergifysikk. For å redusere antallet reevalueringer som trengs for å utforske nye fysikkmodeller, vil prosjektet utvikle sofistikerte nye statistiske teknikker for å pålitelig kunne påvise de best tilpassede parameterregionene i modellene, og kunne gjøre modellsammenligninger mulig innenfor dagens begrensninger i beregningskapasitet. Til slutt vil prosjektet bruke disse resultatene til å utforske fem forskjellige nye fysikkmodeller som er spesielt interessante som løsninger på noen av de store problemene i høyenergifysikk i dag, for eksempel hva mørk materie er for noe.


Project leader: Are Reinert Raklev

Started: 2022

Ends: 2028

Category: Universiteter

Sector: UoH-sektor

Budget: 12500000

Institution: UNIVERSITETET I OSLO

Address: NA