Les sujets de thèses
| 4 sujets IPhT |
Dernière mise à jour : 04-07-2020
Apprentissage automatique en physique fondamentale
|
Contact : |
Date souhaitée pour le début de la thèse : 01-10-2020
| Contact : |
|
| Directeur de thèse : |
|
Labo : https://www.ipht.fr
Context: Today, as a result of an outstanding experimental program, particle physics and cosmology are
flooded with data. This offers us the unique opportunity to answer questions that have been the object of
speculation for more than fifty years. In particular, particle colliders and Cosmic Microwave Background
(CMB) surveys have collected a wealth of high-quality data in the past decades and may continue to do so for
decades to come. Analyzing these datasets effectively is key to make progress in fundamental physics.
In particle physics, as more and more data are collected, the problems that confront us become sharper
and harder to solve. We know that the theories that well describe current data are incomplete and should be
extended, but our prior beliefs on how the extension should look like and on where to discover it experimentally
become less concordant every day. This calls for a model-independent approach to data analysis.
In cosmology, well established measurements, such as the rate of expansion of the Universe from the CMB
radiation, are being challenged by new observations. Reconciling these different observations or understanding
if they signal the presence of new physical phenomena, can only be done by interrogating the data in novel
ways. Mining these large, multivariate datasets for signs of new phenomena, presents many of the challenges
that machine learning and deep learning are overcoming in a variety of other domains. In this project we
leverage the unprecedented growth of these fields to shed light on the open questions of fundamental physics.
Thesis Project: We consider the problem of having large multivariate datasets that are seemingly well de-
scribed by a reference model. Departures from the reference model can be statistically significant, but are
caused only by a very small fraction of events. The significance might stem from the extreme rarity of the
discrepant events in the reference model and in this case anomaly detection techniques might be employed.
Or the discrepancy is due to a small excess (or even a deficit) of events in a region of the space of physical
observables that is also populated in the reference model. Our goal is to determine if the experimental dataset
does follow the reference model exactly or if it instead contains “smal” departures as described above. In the
latter case, we also want to know in which region of the space of observables the discrepancy is localized. This
problem is relevant to Large Hadron Collider (LHC) datasets that are well described by the Standard Model of
particle physics (SM) and CMB datasets that are well described by the standard cosmological model ’CDM.
I have already developed a new machine learning technique [1] that allows to analyze large datasets in
a model-independent way, detecting data departures from a given reference model with no prior bias on the
nature of the new physics responsible for the discrepancy. There are a number of potential applications in
particle physics, astrophysics and cosmology. We are already taking the relevant steps in collaboration with
CMS experimentalists to use this technique on LHC data. The next step is to apply this technique to CMB
datasets in order to detect deviations from ’CDM (which can contribute to shed light on the current tension
between different measurements of the Hubble parameter). The application of this technique to CMB data will
be the main focus of the project.
In parallel we will refine [1] and look for the optimal model-independent new physics detection strategy.
This problem can be reduced to finding the minimum of a suitable loss function. Furthermore, the loss function
first developed in [1] can be used to obtain better performances in traditional classification problems, with a
variety of possible applications to fundamental physics (such as for example the separation between quark and
gluon jets). There are many other directions that are worth exploring such as embedding [1] in a Generative
Adversarial Network and using Autoencoders to compute a p-value rather than just signaling the presence of
anomalous events. Depending on the progress of the student during his thesis project we will explore all these
directions or only a subset, with the priorities outlined above: 1) CMB data mining 2) Optimal search strategy
3) Applications in classification 4) Variations on Autoencoders.
[1] R. T. D’Agnolo and A. Wulzer, Learning New Physics from a Machine, Phys. Rev. D 99, no. 1, 015014
(2019) doi:10.1103/PhysRevD.99.015014 [arXiv:1806.02350 [hep-ph]].
flooded with data. This offers us the unique opportunity to answer questions that have been the object of
speculation for more than fifty years. In particular, particle colliders and Cosmic Microwave Background
(CMB) surveys have collected a wealth of high-quality data in the past decades and may continue to do so for
decades to come. Analyzing these datasets effectively is key to make progress in fundamental physics.
In particle physics, as more and more data are collected, the problems that confront us become sharper
and harder to solve. We know that the theories that well describe current data are incomplete and should be
extended, but our prior beliefs on how the extension should look like and on where to discover it experimentally
become less concordant every day. This calls for a model-independent approach to data analysis.
In cosmology, well established measurements, such as the rate of expansion of the Universe from the CMB
radiation, are being challenged by new observations. Reconciling these different observations or understanding
if they signal the presence of new physical phenomena, can only be done by interrogating the data in novel
ways. Mining these large, multivariate datasets for signs of new phenomena, presents many of the challenges
that machine learning and deep learning are overcoming in a variety of other domains. In this project we
leverage the unprecedented growth of these fields to shed light on the open questions of fundamental physics.
Thesis Project: We consider the problem of having large multivariate datasets that are seemingly well de-
scribed by a reference model. Departures from the reference model can be statistically significant, but are
caused only by a very small fraction of events. The significance might stem from the extreme rarity of the
discrepant events in the reference model and in this case anomaly detection techniques might be employed.
Or the discrepancy is due to a small excess (or even a deficit) of events in a region of the space of physical
observables that is also populated in the reference model. Our goal is to determine if the experimental dataset
does follow the reference model exactly or if it instead contains “smal” departures as described above. In the
latter case, we also want to know in which region of the space of observables the discrepancy is localized. This
problem is relevant to Large Hadron Collider (LHC) datasets that are well described by the Standard Model of
particle physics (SM) and CMB datasets that are well described by the standard cosmological model ’CDM.
I have already developed a new machine learning technique [1] that allows to analyze large datasets in
a model-independent way, detecting data departures from a given reference model with no prior bias on the
nature of the new physics responsible for the discrepancy. There are a number of potential applications in
particle physics, astrophysics and cosmology. We are already taking the relevant steps in collaboration with
CMS experimentalists to use this technique on LHC data. The next step is to apply this technique to CMB
datasets in order to detect deviations from ’CDM (which can contribute to shed light on the current tension
between different measurements of the Hubble parameter). The application of this technique to CMB data will
be the main focus of the project.
In parallel we will refine [1] and look for the optimal model-independent new physics detection strategy.
This problem can be reduced to finding the minimum of a suitable loss function. Furthermore, the loss function
first developed in [1] can be used to obtain better performances in traditional classification problems, with a
variety of possible applications to fundamental physics (such as for example the separation between quark and
gluon jets). There are many other directions that are worth exploring such as embedding [1] in a Generative
Adversarial Network and using Autoencoders to compute a p-value rather than just signaling the presence of
anomalous events. Depending on the progress of the student during his thesis project we will explore all these
directions or only a subset, with the priorities outlined above: 1) CMB data mining 2) Optimal search strategy
3) Applications in classification 4) Variations on Autoencoders.
[1] R. T. D’Agnolo and A. Wulzer, Learning New Physics from a Machine, Phys. Rev. D 99, no. 1, 015014
(2019) doi:10.1103/PhysRevD.99.015014 [arXiv:1806.02350 [hep-ph]].
Cosmologie et masse du boson de Higgs
|
Contact : |
Date souhaitée pour le début de la thèse : 01-10-2020
| Contact : |
|
| Directeur de thèse : |
|
voir résumé anglais
JONCTION PN ET EFFET HALL QUANTIQUE FRACTIONNAIRE
|
Contact : |
Date souhaitée pour le début de la thèse : 01-10-2020
| Contact : |
|
| Directeur de thèse : |
|
Labo : https://www.ipht.fr
Les gaz d’electrons bidimensionnels presentent une grande variete de comportement
sous champ magnetique incluant l’effet Hall quantique fractionnaire. Dans cet etat de la matiere
la physique est decrite par des quasiparticules possedant des charges fractionnaires de celle de
l’electron ainsi que des statistiques qui ne sont ni bosoniques no fermioniques. Alors qu’il
existe des mesures qui montrent la fractionalisation de la charge electronique, il n’y a pas
encore de mesure de la statistique inhabituelle de ces quasiparticules. L’etude de ces phases de
la matiere electronique connaît un developpement rapide grace a la nanofabrication de
dispositifs en graphene qui permettent la manipulation precise des etats excites de l’effet Hall
fractionnaire. La manipulation des quasiparticules presente un double enjeu actuel : est-il
possible de manipuler ces objets en vue de faire du calcul quantique topologique (qui serait
resistant naturellement a la decoherence) et ces objets presentent-ils bien ces statistiques ni
bosoniques ni fermionques, question qui touche aux fondements de la mecanique quantique a
grand nombre de particules.
Des jonctions pn fabriquees avec du graphene sont en cours d’etude dans le laboratoire
voisin, dans le groupe de nanoelectronique du SPEC et ont montre la possibilite de maitriser la
conduction electronique en fonction du facteur de remplissage entier des niveaux de Landau du
graphene. Le but de cette proposition de these est l’etude de la physique de cette jonction dans
le regime du remplissage fractionnaire des niveaux de Landau ce qui necessite une extension
des etats de bord de ce systeme dans le case ou on a des degres de liberte de spin et vallee qui
jouent un rôle dans la dynamique. Ce probleme sera aborde par une conjonction de techniques
tant analytiques que numeriques. Il s’agira egalement d’interagir avec le groupe de
nanoelectronique du SPEC pour bien caracteriser les regimes importants dans les experiences.
La premiere question sera la nature de l’effet Hall fractionnaire en volume pour les fractions les
plus visibles dans les experiences dont on sait d’ores et déjà qu’elles ont un denominateur 3.
Ceci ne suffit pas a les caracteriser entierement a cause des degres de liberte de spin et de vallee
du graphene. Ensuite pour les fractions susceptibles d’etre vues experimentalement il s’agira de
determiner leurs etats de bord et de decrire leur comportement dans une jonction de type pn. Le
but un peu plus lointain est ensuite de decrire la formation des interferences dans un dispositif
de type Mach-Zehnder dans le regime fractionnaire pour les differents etats de Hall accessibles.
sous champ magnetique incluant l’effet Hall quantique fractionnaire. Dans cet etat de la matiere
la physique est decrite par des quasiparticules possedant des charges fractionnaires de celle de
l’electron ainsi que des statistiques qui ne sont ni bosoniques no fermioniques. Alors qu’il
existe des mesures qui montrent la fractionalisation de la charge electronique, il n’y a pas
encore de mesure de la statistique inhabituelle de ces quasiparticules. L’etude de ces phases de
la matiere electronique connaît un developpement rapide grace a la nanofabrication de
dispositifs en graphene qui permettent la manipulation precise des etats excites de l’effet Hall
fractionnaire. La manipulation des quasiparticules presente un double enjeu actuel : est-il
possible de manipuler ces objets en vue de faire du calcul quantique topologique (qui serait
resistant naturellement a la decoherence) et ces objets presentent-ils bien ces statistiques ni
bosoniques ni fermionques, question qui touche aux fondements de la mecanique quantique a
grand nombre de particules.
Des jonctions pn fabriquees avec du graphene sont en cours d’etude dans le laboratoire
voisin, dans le groupe de nanoelectronique du SPEC et ont montre la possibilite de maitriser la
conduction electronique en fonction du facteur de remplissage entier des niveaux de Landau du
graphene. Le but de cette proposition de these est l’etude de la physique de cette jonction dans
le regime du remplissage fractionnaire des niveaux de Landau ce qui necessite une extension
des etats de bord de ce systeme dans le case ou on a des degres de liberte de spin et vallee qui
jouent un rôle dans la dynamique. Ce probleme sera aborde par une conjonction de techniques
tant analytiques que numeriques. Il s’agira egalement d’interagir avec le groupe de
nanoelectronique du SPEC pour bien caracteriser les regimes importants dans les experiences.
La premiere question sera la nature de l’effet Hall fractionnaire en volume pour les fractions les
plus visibles dans les experiences dont on sait d’ores et déjà qu’elles ont un denominateur 3.
Ceci ne suffit pas a les caracteriser entierement a cause des degres de liberte de spin et de vallee
du graphene. Ensuite pour les fractions susceptibles d’etre vues experimentalement il s’agira de
determiner leurs etats de bord et de decrire leur comportement dans une jonction de type pn. Le
but un peu plus lointain est ensuite de decrire la formation des interferences dans un dispositif
de type Mach-Zehnder dans le regime fractionnaire pour les differents etats de Hall accessibles.
Scénarios de champ scalaire pour la matière noire
|
Contact : |
Date souhaitée pour le début de la thèse : 01-10-2020
| Contact : |
|
| Directeur de thèse : |
|
Labo : https://www.ipht.fr
De nombreuses données et arguments théoriques montrent que près de 83% de la matière de l'Univers n'est pas constituée des particules ordinaires observées sur Terre (i.e., les particules du "modèle standard" comme l'électron) mais d'une substance inconnue appelée "matière noire".
Cette dernière n'interagit pas ou très peu avec la matière ordinaire et n'a été "observée" que par ses effets gravitationnels. Cette "masse manquante" est nécessaire pour expliquer les vitesses de rotation des galaxies spirales, les propriétés des amas de galaxies, les plus grandes structures de l'Univers aux échelles cosmologiques, et jusqu'aux propriétés du fond diffus cosmologique.
Le scénario qui a été privilégié depuis les années 1980 est celui de particules massives (>1 GeV) interagissant faiblement (WIMPS en anglais). En effet, de tels candidats sont en bon accord avec les observations (modèle de matière noire froide sans collisions) et apparaissent naturellement dans les théories supersymétriques qui sont une des extensions privilégiées du modèle actuel de la physique des particules. Cependant, malgré de nombreuses expériences dédiées depuis les années 1980, ces particules n'ont toujours pas été détectées. De surcroit, les mesures du LHC (collisionneur du CERN) n'ont pas encore montré de signes de nouvelle physique, associés à de nouvelles particules. Ceci a relancé l'intérêt pour les scénarios alternatifs, dont la possibilité que la matière noire soit associée à un champ scalaire remplissant tout l'espace.
La dynamique d'un tel champ étant distincte de celle de particules discrètes (par exemple il peut y avoir des effets d'interférence comme pour les ondes électromagnétiques ou les phénomènes quantiques), les observations cosmologiques aux échelles galactiques pourraient permettre de vérifier la pertinence de ce scénario et de distinguer entre les différents modèles. De plus, ces nouveaux effets pourraient résoudre les problèmes rencontrés aux échelles galactiques par le scénario standard des WIMPS.
Le sujet de cette thèse sera d'étudier divers modèles de champ scalaire pour la matière noire. Il faudra établir la cohérence théorique de ces modèles, calculer leurs prédictions concernant les structures cosmologiques et galactiques, et comparer ces dernières aux données pour déterminer quels sont les modèles les plus prometteurs. En pratique, cela nécessitera environ 30% de travail analytique, pour construire et étudier les grandes lignes de ces modèles, et 70% de travail numérique pour étudier la croissance des grandes structures et les phénomènes hors d'équilibre associés à ces modèles. Un gout pour les simulations numériques est donc nécessaire.
Eventuellement, une étude des scénarios de champ scalaire pour l'énergie noire (l'autre substance mystérieuse de la cosmologie actuelle qui est responsable de l'accélération récente de l'expansion de l'Univers) pourra aussi être développée, en profitant des techniques communes aux deux thématiques.
Cette dernière n'interagit pas ou très peu avec la matière ordinaire et n'a été "observée" que par ses effets gravitationnels. Cette "masse manquante" est nécessaire pour expliquer les vitesses de rotation des galaxies spirales, les propriétés des amas de galaxies, les plus grandes structures de l'Univers aux échelles cosmologiques, et jusqu'aux propriétés du fond diffus cosmologique.
Le scénario qui a été privilégié depuis les années 1980 est celui de particules massives (>1 GeV) interagissant faiblement (WIMPS en anglais). En effet, de tels candidats sont en bon accord avec les observations (modèle de matière noire froide sans collisions) et apparaissent naturellement dans les théories supersymétriques qui sont une des extensions privilégiées du modèle actuel de la physique des particules. Cependant, malgré de nombreuses expériences dédiées depuis les années 1980, ces particules n'ont toujours pas été détectées. De surcroit, les mesures du LHC (collisionneur du CERN) n'ont pas encore montré de signes de nouvelle physique, associés à de nouvelles particules. Ceci a relancé l'intérêt pour les scénarios alternatifs, dont la possibilité que la matière noire soit associée à un champ scalaire remplissant tout l'espace.
La dynamique d'un tel champ étant distincte de celle de particules discrètes (par exemple il peut y avoir des effets d'interférence comme pour les ondes électromagnétiques ou les phénomènes quantiques), les observations cosmologiques aux échelles galactiques pourraient permettre de vérifier la pertinence de ce scénario et de distinguer entre les différents modèles. De plus, ces nouveaux effets pourraient résoudre les problèmes rencontrés aux échelles galactiques par le scénario standard des WIMPS.
Le sujet de cette thèse sera d'étudier divers modèles de champ scalaire pour la matière noire. Il faudra établir la cohérence théorique de ces modèles, calculer leurs prédictions concernant les structures cosmologiques et galactiques, et comparer ces dernières aux données pour déterminer quels sont les modèles les plus prometteurs. En pratique, cela nécessitera environ 30% de travail analytique, pour construire et étudier les grandes lignes de ces modèles, et 70% de travail numérique pour étudier la croissance des grandes structures et les phénomènes hors d'équilibre associés à ces modèles. Un gout pour les simulations numériques est donc nécessaire.
Eventuellement, une étude des scénarios de champ scalaire pour l'énergie noire (l'autre substance mystérieuse de la cosmologie actuelle qui est responsable de l'accélération récente de l'expansion de l'Univers) pourra aussi être développée, en profitant des techniques communes aux deux thématiques.
