DarkSieve - Ricerca di portali a settori Dark attraverSo l’identificazione di getti “boosted” originati da quark dark con tecniche di Machine Learning e nuove tecnologie ai futuri collisori adronici"

Bando a Cascata - Centro Nazionale ICSC - “National Centre for HPC, Big Data and Quantum Computing” - codice CN00000013 - CUP I57G21000110007 finanziato nell’ambito del Piano Nazionale di Ripresa e Resilienza, Missione 4 “Istruzione e ricerca” – Componente 2 “Dalla ricerca all’impresa” – Investimento 1.4 - “Potenziamento strutture di ricerca e creazione di "campioni nazionali di R&S" su alcune Key Enabling Technologies – Spoke 2 – “Fundamental Research & Space Economy” – INFN

Banner PRIN 2022.jpg

Abstract

In cosmologia, la materia oscura è un'ipotetica componente di materia, non compresa nel Modello Standard (MS) delle interazioni fondamentali, che, diversamente dalla materia conosciuta, non emetterebbe direttamente radiazione elettromagnetica: se esistente, i suoi effetti gravitazionali spiegherebbero osservazioni astrofisiche non compatibili con la sola presenza di materia visibile.

L’ipotesi più semplice, l’esistenza di particelle massive debolmente interagenti (WIMP), sembra ora in tensione sia con osservazioni a piccola scala dell’Universo [28], sia con le numerose ricerche dirette e indirette [1-4, 29]. Una possibile soluzione è rappresentata dall’esistenza di un intero nuovo settore di particelle e interazioni, il Dark Sector (DS), che comunicherebbe con il MS tramite particelle mediatrici, o "portali", caratterizzate da accoppiamenti con entrambi i settori. Ai futuri collisori adronici HL-LHC e FCC-hh (FCA), i dark quark (DQ), insieme ad altre particelle del DS, potrebbero essere prodotti nel decadimento di questi mediatori pesanti. I prodotti di decadimento dei DQ adronizzerebbero poi in particelle del MS, ed i getti così originati avrebbero proprietà specifiche legate ai parametri teorici del modello sottostante, potendo apparire in diverse tipologie distinte da quelle dei getti adronici convenzionali [1,4]. Il progetto migliorerà del 20% la sensitività delle ricerche attuali, grazie allo sviluppo e utilizzo di un algoritmo di machine learning (ML) per l'identificazione e la classificazione di tali getti. L'utilizzo di tecniche di ML, ancora molto limitato in questo tipo di ricerche, diminuirebbe inoltre il costo computazionale rispetto alle tecniche di tagging finora utilizzate. Il progetto renderà anche possibile utilizzare tali algoritmi su CPU derivate da dispositivi mobili, diminuendo pertanto anche l’energia spesa per operazione, e diventando una iniziativa trainante in favore della sostenibilità del calcolo ai FCA.

 

Partenariato

  • Università degli Studi di Udine

 

Importo del progetto

Importo totale dell’intero progetto   Euro 115.056,24

 

Durata

  • Data avvio progetto 1 settembre 2024
  • Data conclusione progetto 31 Agosto 2025

 

Link

https://www.supercomputing-icsc.it/2024/02/19/bandi-a-cascata-spoke-2/

https://home.infn.it/it/pnrr-2/bandi-a-cascata/6409-pnrr-m4c2-bandi-cascata-icsc