Graham a essayé de peaufiner l’approche CNN afin que le noyau ne soit placé que sur des sections 3 par 3 de l’image qui contiennent au moins un pixel qui a une valeur non nulle (et qui n’est pas simplement vide). De cette manière, il a réussi à produire un système capable d’identifier efficacement le chinois manuscrit. Il a remporté un concours en 2013 en identifiant des personnages individuels avec un taux d’erreur de seulement 2,61 %. (Les humains ont obtenu un score de 4,81 % en moyenne.) Il a ensuite porté son attention sur un problème encore plus important : la reconnaissance d’objets en trois dimensions.
En 2017, Graham était passé à Facebook AI Research et avait affiné sa technique et publié les détails du premier SCNN, qui centrait le noyau uniquement sur les pixels qui avaient une valeur non nulle (plutôt que de placer le noyau sur n’importe quel 3-par-3 section qui avait au moins un pixel « non nul »). C’est cette idée générale que Terao a apportée au monde de la physique des particules.
Plans souterrains
Terao est impliqué dans des expériences au Fermi National Accelerator Laboratory qui sondent la nature des neutrinos, parmi les particules élémentaires connues les plus insaisissables. Ce sont aussi les particules les plus abondantes dans l’univers avec une masse (bien que peu), mais elles apparaissent rarement à l’intérieur d’un détecteur. En conséquence, la plupart des données pour les expériences sur les neutrinos sont rares et Terao était constamment à la recherche de meilleures approches pour l’analyse des données. Il en a trouvé un dans les SCNN.
En 2019, il a appliqué des SCNN à des simulations des données attendues de l’expérience Deep Underground Neutrino Experiment, ou DUNE, qui sera la plus grande expérience de physique des neutrinos au monde lorsqu’elle sera mise en ligne en 2026. Le projet tirera des neutrinos du Fermilab, juste à l’extérieur de Chicago, à travers 800 miles de terre jusqu’à un laboratoire souterrain dans le Dakota du Sud. En cours de route, les particules « oscilleront » entre les trois types connus de neutrinos, et ces oscillations pourraient révéler des propriétés détaillées des neutrinos.
Les SCNN ont analysé les données simulées plus rapidement que les méthodes ordinaires et ont nécessité beaucoup moins de puissance de calcul pour ce faire. Les résultats prometteurs signifient que les SCNN seront probablement utilisés pendant la phase expérimentale réelle.
En 2021, pendant ce temps, Terao a aidé à ajouter des SCNN à une autre expérience sur les neutrinos au Fermilab connue sous le nom de MicroBooNE. Ici, les scientifiques examinent les conséquences des collisions entre les neutrinos et les noyaux des atomes d’argon. En examinant les traces créées par ces interactions, les chercheurs peuvent déduire des détails sur les neutrinos d’origine. Pour ce faire, ils ont besoin d’un algorithme capable d’examiner les pixels (ou, techniquement, leurs homologues tridimensionnels appelés voxels) dans une représentation tridimensionnelle du détecteur, puis de déterminer quels pixels sont associés à quelles trajectoires de particules.
Parce que les données sont si rares – une poignée de minuscules lignes dans un grand détecteur (environ 170 tonnes d’argon liquide) – les SCNN sont presque parfaits pour cette tâche. Avec un CNN standard, l’image devrait être divisée en 50 morceaux, à cause de tous les calculs à faire, a déclaré Terao. « Avec un CNN clairsemé, nous analysons l’image entière en une seule fois et le faisons beaucoup plus rapidement. »
Déclencheurs opportuns
L’un des chercheurs qui a travaillé sur MicroBooNE était un stagiaire de premier cycle nommé Felix Yu. Impressionné par la puissance et l’efficacité des SCNN, il a apporté les outils avec lui sur son prochain lieu de travail en tant qu’étudiant diplômé dans un laboratoire de recherche de Harvard officiellement affilié à l’observatoire IceCube Neutrino au pôle Sud.
L’un des principaux objectifs de l’observatoire est d’intercepter les neutrinos les plus énergétiques de l’univers et de les retracer jusqu’à leurs sources, dont la plupart se trouvent en dehors de notre galaxie. Le détecteur est composé de 5 160 capteurs optiques enfouis dans la glace de l’Antarctique, dont seule une infime fraction s’allume à un moment donné. Le reste du tableau reste sombre et n’est pas particulièrement informatif. Pire encore, bon nombre des « événements » enregistrés par les détecteurs sont des faux positifs et ne sont pas utiles pour la chasse aux neutrinos. Seuls les événements dits de niveau déclencheur font l’objet d’une analyse plus approfondie, et des décisions instantanées doivent être prises pour déterminer ceux qui méritent cette désignation et ceux qui seront définitivement ignorés.
