Les expériences menées au Grand collisionneur de hadrons (LHC) nécessitent des systèmes de sélection d'événements très performants – connus sous le nom de « déclencheurs » en physique des particules – pour filtrer le flux de données et faire en sorte qu’ils soient gérables. Les déclencheurs sélectionnent des événements présentant des caractéristiques particulières, par exemple des interactions ou des collisions de particules enregistrées dans des détecteurs, et les rendent disponibles pour des analyses de physique. En quelques secondes à peine, ce système complexe peut déterminer si les informations relatives à une collision donnée méritent d'être conservées.
Les expériences ATLAS et CMS utilisent toutes deux des systèmes de déclenchement sur deux niveaux. Le premier déclencheur est synchronisé sur le taux de paquets de particules entrant en collision dans les détecteurs, et décide en moins de 10 microsecondes quelles données conserver. Les événements qui passent le déclencheur de premier niveau poursuivent vers le deuxième pour une sélection plus poussée. Les événements sélectionnés sont envoyés ensuite au Centre de données du CERN où les données sont copiées, stockées et finalement mises à la disposition des scientifiques du monde entier pour analyse.
En prévision du LHC à haute luminosité (HL-LHC), les détecteurs ATLAS et CMS font l’objet d’une mise à niveau afin d’offrir une granularité spatiale et temporelle plus fine, ce qui permettra d’acquérir davantage de données pour chaque collision. Le principe est le même que de prendre une photo avec un appareil ayant plus de pixels : le fichier correspondant sera plus grand parce que l'image, qui sera de meilleure qualité, contient plus de détails. En prévision de l’avalanche de données attendue lorsque le LHC sera exploité à haute luminosité, les scientifiques doivent développer de nouvelles stratégies pour une sélection et un traitement plus perfectionnés des événements.
L’objectif principal du projet Next-Generation Triggers (NextGen), d’une durée de cinq ans, est d’obtenir davantage d’informations sur la physique à partir des données du HL-LHC. On espère découvrir des phénomènes encore inconnus en sélectionnant plus efficacement les événements de physique intéressants tout en supprimant le bruit de fond. Les scientifiques, à la recherche d’événements ultra-rares, utiliseront des réseaux neuronaux optimisés, des algorithmes d'inspiration quantique, le calcul à haute performance et les techniques FPGA (field-programmable gate array) pour améliorer la modélisation théorique et optimiser leurs instruments.
Les bases du projet NextGen ont été posées en 2022, lorsqu’un groupe de donateurs privés, notamment Eric Schmidt, ancien directeur général de Google, a visité le CERN. Cette première visite déterminante a débouché sur un accord avec le Fonds Eric et Wendy Schmidt pour l’innovation stratégique. Approuvé par le Conseil du CERN en octobre 2023, il a pour objectif de financer un projet qui ouvrirait la voie aux futurs systèmes de déclenchement du HL-LHC et au-delà : le projet NextGen était né.
NextGen collaborera avec des spécialistes du monde universitaire et de l’industrie. Les travaux menés dans le cadre de ce projet s’appuieront sur les principes de la science ouverte et du partage de connaissances, qui font partie intégrante de la gouvernance institutionnelle et du mode de fonctionnement du CERN. Le projet comprend un lot de travaux consacrés à l'éducation et à la sensibilisation, un programme spécial de formation pluridisciplinaire destiné aux chercheurs du projet NextGen, ainsi que des événements et des conférences ciblant plus largement la communauté scientifique intéressée par le domaine. La propriété intellectuelle générée dans le cadre du projet Next Generation Triggers, détenue par le CERN, sera diffusée et partagée sous licences open source, conformément à la politique du CERN en matière de science ouverte.
Ce projet marquera un nouveau chapitre dans la physique des hautes énergies, en s'appuyant sur des systèmes de sélection d'événements et des techniques de traitement de données améliorés pour ouvrir la voie à de nouvelles découvertes.