Un nouvel algorithme AI augmente la précision et la vitesse de détection des particules au CERN-S Large Hadron Collider, en se préparant pour les mises à jour futures. A new AI algorithm boosts particle detection accuracy and speed at CERN’s Large Hadron Collider, preparing for future upgrades.

Un nouvel algorithme d'apprentissage automatique, MLPF, développé par la collaboration CMS au CERN, a amélioré la reconstruction des collisions proton-proton au Grand Collisionneur Hadron. A new machine learning algorithm, MLPF, developed by the CMS collaboration at CERN, has improved the reconstruction of proton-proton collisions at the Large Hadron Collider. Contrairement aux méthodes traditionnelles fondées sur les règles, le MLPF tire des leçons des données simulées pour identifier plus précisément et plus rapidement les particules, en obtenant jusqu'à 10 à 20 % de plus de précision dans les plages de temps clés et en fonctionnant plus rapidement sur les GPU. Unlike traditional rule-based methods, MLPF learns from simulated data to identify particles more accurately and quickly, achieving up to 10–20% better precision in key momentum ranges and running faster on GPUs. Il correspond ou dépasse les performances de l'algorithme de flux de particules de longue date, permettant une analyse des données plus efficace. It matches or exceeds the performance of the long-standing particle-flow algorithm, enabling more efficient data analysis. Cette avancée devrait être cruciale lors de la mise à niveau du LHC à l'horizon 2030, qui multipliera par cinq le taux de collision, permettant de tester plus en profondeur le modèle standard et de rechercher de nouvelles physiques. The advancement is expected to be crucial during the LHC’s 2030 upgrade, which will increase collision rates fivefold, supporting deeper tests of the Standard Model and searches for new physics.