Hva er mørk materie? Det er et av de største spørsmålene i moderne fysikk. En rekke observasjoner har bekreftet eksistensen av denne ikke-lysende komponenten av materie, som har fått navnet mørk materie. Beregninger viser at den mørke materien utgjør hele 84% av den totale massen i universet. Likevel vet vi svært lite om dens natur.
Partikkelakseleratoren “The Large Hadron Collider” ved CERN (Conseil Européen pour la Recherche Nucléaire) gjenskaper forholdene i det tidlige universet ved å akselerere, for så å kollidere protoner med en fart tilnærmet lysets hastighet. Hvis mørk materie består av partikler, vil den kunne bli gjenskapt i disse kollisjonene. Dette prosjektet vil bruke data fra ATLAS-eksperimentet, som er et av eksperimentene som samler inn data fra disse kollisjonene. Målet er å kaste lys på den mystiske mørke materien.
I flere tiår har partikkelfysikere fokusert på å søke etter spesifikke modeller som kan forklare mørk materie - hittil uten hell. Dette har vært “state of the art”-metoden, fordi dataene fra eksperimentene er enorme, både i størrelse og kompleksitet. I dette prosjektet vil vi analysere dataene uten denne forutinntattheten der vi søker etter noe spesifikt, og heller konsentrere søket til hva som skiller seg ut fra det vi omtaler som kjent fysikk. Målet er å finne mørk materie. Ved hjelp av nye metoder innen kunstig intelligens og maskinlæring vil vi analysere dataene fra ATLAS-eksperimentet på en ny og mer modell-uavhengig måte enn tidligere har vært gjort. Det er viktig å merke seg at selv om maskinlæringsalgoritmer er kraftige, er de også ugjennomsiktige. Det vil si: Vi har ikke tilgang til å forstå de underliggende beslutningene som tas av disse såkalte black-box-algoritmene. Vi bør vise stor aktsomhet her, for det gir grunn til bekymring. Samtidig som vi vil bruke maskinlæringsteknikker i vårt søk etter mørk materie, vil dette prosjektet også søke å utvikle pålitelige og tolkbare metoder for kunstig intelligens-modeller.
