Um dos maiores desafios da física de partículas é como interpretar grandes conjuntos de dados que consistem em muitos observáveis diferentes no contexto de modelos com parâmetros diferentes.
Um novo artigo publicado no EPJ Plus, de autoria de Ursula Laa, do Instituto de Estatística da Universidade BOKU, em Viena, e Valência Alemã, da Escola de Física e Astronomia da Universidade de Monash, Clayton, Austrália, analisa a simplificação de grandes conjuntos de dados e muitos problemas de parâmetros usando ferramentas para dividir grandes espaços de parâmetros em um pequeno número de regiões.
“Aplicamos nossas ferramentas ao chamado problema da anomalia B. Nesse problema há um grande número de resultados experimentais e uma teoria que os prevê em termos de vários parâmetros”, diz Laa. “O problema tem recebido muita atenção porque os parâmetros preferidos para explicar as observações não correspondem aos previstos pelo modelo padrão da física de partículas e, como tal, os resultados implicariam em nova física.”
Valencia continua explicando que o artigo mostra como a ferramenta Pandemonium pode fornecer uma forma gráfica interativa para estudar as conexões entre características nas observações e regiões do espaço de parâmetros.
“No problema da anomalia B, por exemplo, podemos visualizar claramente a tensão entre dois observáveis importantes que foram destacados no passado”, diz Valencia. “Também podemos ver quais medidas aprimoradas seriam melhores para lidar com essa tensão.
“Isso pode ser mais útil para priorizar experimentos futuros para abordar questões não resolvidas”.
Laa elabora explicando que os métodos desenvolvidos e usados pela dupla são aplicáveis a muitos outros problemas, em particular para modelos e observáveis que são menos compreendidos do que as aplicações discutidas no artigo, como modelos multi-Higgs.
“Um desafio é a visualização de espaços de parâmetros multidimensionais; a interface atual só permite que o usuário visualize espaços de dados de alta dimensão interativamente”, conclui Laa. “O desafio é automatizar isso, que será abordado em trabalhos futuros, utilizando técnicas de redução de dimensão.”
Publicado em 23/03/2022 12h03
Artigo original:
Estudo original: