Ein internationales Forschungsteam mit Physikern der University of Michigan hat nach eigenen Angaben die weltweit empfindlichste Analyse zu einer bestimmten Wechselwirkung des Higgs-Bosons vorgelegt. Kern der Arbeit ist ein moderner KI-Algorithmus, der in den Datenmengen des Large Hadron Collider (LHC) am Kernforschungszentrum CERN nach extrem seltenen Signaturen sucht: nach Ereignissen, bei denen eine einzige Proton-Proton-Kollision gleich zwei Higgs-Bosonen erzeugt. Solche Doppel-Higgs-Signaturen treten nach Angaben des Teams nur etwa einmal pro Billion Kollisionen auf. Vorgestellt wurde die Untersuchung im August auf der International Conference on High-Energy Physics im brasilianischen Natal; ein Fachartikel erschien auf dem Preprint-Server arXiv.
- Die Analyse gilt laut Team als die weltweit empfindlichste zur Selbstwechselwirkung des Higgs-Bosons.
- Ein sogenanntes Graph Neural Network filtert die gesuchten Ereignisse aus Billionen Hintergrundkollisionen.
- Doppel-Higgs-Ereignisse treten nur etwa einmal pro Billion Kollisionen auf.
„Diese Analyse ist die weltweit empfindlichste für diese spezielle Physik“, sagte Greg Myers, Research Fellow am Physik-Department der University of Michigan. Nach Angaben von Tom Schwarz, Physikprofessor und Leiter des Teams, ist die neue Auswertung rund 60-mal empfindlicher als frühe Ergebnisse und etwa 65 Prozent empfindlicher als ihre unmittelbare Vorgängerin. Schwarz arbeitet seit einem Jahrzehnt an dieser Analyse; die Beteiligung der Universität an diesem Forschungszweig reicht mit Bing Zhou und Jianming Qian bis ins Jahr 2010 zurück.
Warum die Selbstwechselwirkung des Higgs so wichtig ist
Das Higgs-Boson erklärt, wie subatomare Teilchen ihre Masse erhalten. Seine Existenz war jahrzehntelang vom Standardmodell der Teilchenphysik vorhergesagt worden – jener Theorie, die bislang am umfassendsten die fundamentalen Teilchen und Kräfte des Universums beschreibt. Erst 2012 lieferten die beiden unabhängigen LHC-Experimente ATLAS und CMS den direkten Nachweis. Ein Jahr später erhielten François Englert und der Namensgeber Peter Higgs den Physik-Nobelpreis.
Offen ist bis heute jedoch, wie das Higgs-Boson mit sich selbst wechselwirkt. „Das ist gewissermaßen das große Thema, das noch auf dem Tisch liegt“, sagte Schwarz. Ein besseres Verständnis dieses Prozesses könnte Hinweise auf Physik jenseits des Standardmodells geben – und darauf, wie stabil unser Universum tatsächlich ist.
Der einzige derzeit zugängliche Weg zu dieser Selbstwechselwirkung führt über Ereignisse, bei denen gleich zwei Higgs-Bosonen zugleich entstehen.
Die Suche nach einem Ereignis unter einer Billion
Am LHC prallen zwei Protonenstrahlen mit nahezu Lichtgeschwindigkeit aufeinander und erzeugen einen Schauer neuer Teilchen. Viele davon sind instabil und zerfallen, bevor sie direkt beobachtet werden können; einige – etwa Elektronen, die schwereren Myonen oder Photonen – hinterlassen jedoch ein messbares Signal im ATLAS-Detektor. Aus diesen Signalen rekonstruieren die Forschenden, was zuvor geschah.
„Es passiert vielleicht einmal pro Billion Kollisionen“, sagte der Doktorand Tamas Baer. „Wenn etwas so selten ist, sucht man es am besten, indem man es eine Billion Mal versucht – dann ist es einmal dabei.“ Genau hier setzt die KI an: Baer und Myers entwickelten ein Graph Neural Network, das die gesuchten Ereignisse so gut wie möglich von den Billionen uninteressanter Hintergrundereignisse trennt.
In die Auswertung floss der komplette Datensatz des LHC-Laufs Run 2 (2015 bis 2018) sowie die ersten beiden Jahre von Run 3 (2022 bis Juni) ein. In diesen Phasen erzeugte das Experiment rund 30 Millionen Kollisionen pro Sekunde, im Dauerbetrieb Tag und Nacht.
Was das für die kommenden LHC-Jahre bedeutet
Der LHC gilt als der leistungsstärkste Teilchenbeschleuniger der Welt und wird vom europäischen Kernforschungszentrum CERN betrieben. Ein derzeit laufender Ausbau soll in etwa vier Jahren abgeschlossen sein und deutlich mehr Daten für solche seltenen Prozesse liefern. Die neuen KI-gestützten Analysemethoden bereiten das Team einerseits auf diese künftige Datenflut vor – andererseits erlauben sie es, aus den bereits vorhandenen Daten mehr Erkenntnisse herauszuholen. Für die Grundlagenforschung heißt das: Fragen, die lange als praktisch unzugänglich galten, rücken damit in Reichweite.
Wie viel Vertrauen sollten wir künstlicher Intelligenz bei der Auswertung fundamentaler Physikdaten schenken? Diskutieren Sie mit uns über Chancen und Grenzen von KI in der Grundlagenforschung.
