Nos blogs

Invisible mais omniprésente, la matière noire reste insaisissable. À Grenoble et à Paris, des équipes de recherche explorent cette énigme de la physique en traquant des particules à la fois hypothétiques et inédites, issues de collisions ultra-énergétiques.

 Exemple de collision proton-proton à 13.6 TeV enregistrée en 2025 © ATLAS Experiment - CERN

De quoi est fait l’Univers ? Depuis près d’un siècle, on sait que la matière ordinaire, celle qui compose les étoiles, les planètes et les êtres vivants, ne représente qu’une petite fraction du contenu de l’Univers. Le reste est en grande partie constitué de matière noire, une composante invisible dont la nature demeure inconnue. L’une des hypothèses les plus étudiées est l’existence de nouvelles particules, encore jamais observées.

Pour les mettre en évidence, trois grandes approches existent : détecter directement ou indirectement la matière noire ou bien chercher les traces indirectes, ou signatures, de nouvelles particules produites lors de collisions à très haute énergie. C’est cette troisième voie qu’explorent les scientifiques de l’expérience ATLAS, l’une des plus grandes expériences de physique des particules au monde, installée autour du LHC (Large Hadron Collider), le grand collisionneur de hadrons du CERN, l’Organisation européenne pour la recherche nucléaire.

Les travaux menés à ATLAS couvrent de nombreux modèles théoriques, comme les WIMPs (Weakly interacting massive particles). Mais certaines signatures, bien que prévues par la théorie, restent encore peu ou pas étudiées. C’est de ce constat qu’est né le projet DMwithLLPatLHC[1], soutenu par l’Agence nationale de la recherche de 2022 à 2026 et coordonné par Marie-Hélène Genest, directrice de recherche CNRS au Laboratoire de physique subatomique et de cosmologie[2] de Grenoble[3]. Spécialisée dans la recherche de particules exotiques, elle s’intéresse ici à une catégorie précise : les particules au long temps de vie. Alors que la plupart des particules instables se désintègrent quasi instantanément, il s’agit d’étudier ces objets hypothétiques qui survivraient suffisamment longtemps pour parcourir des distances mesurables avant de se désintégrer.

Signatures inédites

Entre Grenoble et Paris, le projet DMwithLLPatLHC rassemble une vingtaine de scientifiques, théoriciens et expérimentateurs, dont les expertises se complètent en matière d’analyse de modèles théoriques, de compréhension fine du détecteur et de reconnaissance des objets. Cette combinaison de compétences est essentielle car, indique Marie-Hélène Genest, « les particules au long temps de vie sont difficiles à identifier : elles se déplacent à l’intérieur du détecteur avant de se désintégrer, à plusieurs millimètres, voire à quelques mètres du point de collision initial ».

Pour mettre en évidence ces signatures atypiques, les scientifiques s’appuient sur des algorithmes de reconstruction spécifiques, différents de ceux utilisés pour les particules standards. Il faut non seulement maîtriser le fonctionnement précis du détecteur, mais aussi parvenir à identifier des processus extrêmement rares, noyés dans un bruit de fond complexe.

La première étape du travail consiste donc à identifier les analyses pertinentes pour ces particules et à comprendre les prédictions théoriques, avant de mettre en place des stratégies de sélection des données et de discrimination du bruit de fond.
L’équipe étudie plus précisément deux types de particules. La première catégorie est celle des particules de type axions, qui se désintègrent en donnant naissance à deux photons. Mais comme les axions sont très légers mais produits avec beaucoup d’énergie, les photons issus de leur désintégration sont très proches l’un de l’autre, au point que leurs signaux se chevauchent dans le détecteur. « Les distinguer nécessite de développer des méthodes complexes, dans un contexte où le bruit de fond peut lui-même être non standard », précise Marie-Hélène Genest.

Le second type de particules correspond aux hadrons sombres, des particules composites analogues aux hadrons ordinaires, faits de quarks et de gluons, mais régies par une dynamique spécifique : leur production engendrerait des jets émergents, c’est-à-dire des gerbes de particules apparaissant à une certaine distance du point de collision et présentant une signature caractéristique. Une autre signature possible des hadrons sombres réside dans le fait qu’une partie de l’énergie est détectée sous forme de particules visibles, tandis qu’une autre se manifeste sous forme d’énergie dite « manquante », révélatrice de particules invisibles qui emporteraient cette énergie.

Dans tous les cas, l’objectif reste de « chercher un excès d’événements, rappelle la physicienne : ce serait le signe que l’on a découvert de nouvelles particules car on aurait produit plus d’événements que ce que prédit le modèle standard ».

 Diagramme montrant la production de deux quarks sombres (q_d) formant des jets sombres (les cônes, contenant des vertex déplacés) à partir de l'interaction de 2 quarks formant un Z' (une autre particule hypothétique qui relierait les quarks ordinaires aux quarks sombres) © 2025 CERN for the benefit of the ATLAS Collaboration

Apports du machine learning

Depuis son démarrage en 2010, l’énergie déployée dans le LHC n’a cessé d’augmenter pour atteindre aujourd’hui 13,6 téraélectronvolts. « Cela accroît fortement la probabilité de produire des événements rares et très énergétiques, observe Marie-Hélène Genest : toutes les 25 nanosecondes, 100 milliards de protons croisent 100 milliards d’autres protons, générant près de 2 milliards de collisions par seconde. » Il en résulte une masse colossale de données que les scientifiques exploitent grâce, notamment, à des techniques de machine learning. Ces outils permettent de mieux calibrer les jets, c’est-à-dire de remonter à l’énergie initiale des particules produites en tenant compte à la fois des propriétés du détecteur et des processus physiques sous-jacents. Le machine learning est aussi utilisé pour identifier les jets émergents parmi les jets standards.

L’un des enjeux, ici, est de rendre les résultats réinterprétables, c’est-à-dire exploitables par d’autres scientifiques et applicables à de nouveaux modèles théoriques. Pour cela, l’équipe a combiné des sélections très performantes, mais difficiles à réinterpréter, avec des approches plus simples et un peu dégradées mais basées sur des observations plus universelles. Des étudiants en thèse ont aussi développé des codes publics pour permettre à la communauté de tester de nouveaux scénarios.

Signature de deux jets émergents dans un détecteur (vue transverse). Les lignes pointillées sont les trajectoires des particules avant qu'elles ne deviennent visibles dans le détecteur. © 2015-2026 Schwaller, Pedro ; Stolarski, Daniel ; Weiler, Andreas

Des exclusions qui font progresser la connaissance

Alors que le projet DMwithLLPatLHC touche à sa fin, les résultats sont significatifs : l’équipe a identifié une signature composée de seulement deux jets émergents, qui avait été prédite théoriquement mais jamais étudiée auparavant. Les analyses sur les particules de type axions ont par ailleurs permis d’exclure une région de paramètres où ces particules ne peuvent pas exister.

Même sans découverte directe, ces résultats sont précieux car écarter des hypothèses permet de mieux orienter les recherches à venir. « Il faut savoir où ne pas regarder. Le futur nous dira où les excès se trouvent », souligne Marie-Hélène Genest, heureuse d’apporter sa brique aux connaissances, dans « ce formidable terrain de jeu qu’est la physique des particules ».

Alors que le troisième cycle du LHC s’achèvera en 2026, une grande partie des données peut encore être analysée. D’autre part, le machine learning ouvre la voie à « des approches globales de détection d’anomalies, qui pourront compléter les recherches plus ciblées », indique la chercheuse qui se projette désormais vers les prochaines étapes : le quatrième cycle du LHC et la réflexion sur une éventuelle machine appelée à lui succéder. Pour se rapprocher du jour où l’on parviendra peut-être à percer les ultimes secrets de la matière et de l’Univers.

[1] DMwithLLPatLHC : Dark matter with long lived particles at the LHC
[2] Laboratoire de physique subatomique et de cosmologie (LPSC - CNRS / UGA / Grenoble-INP UGA)
[3] Partenaires du projet :
   - Laboratoire de physique nucléaire et de hautes énergies (LPNHE - CNRS / IN2PS / Sorbonne Université / Université Paris Cité)
   - Laboratoire dephysique théorique et hautes énergies (LPTHE - CNRS / Sorbonne Université)
_ _ _

Ces recherches ont été financées en tout ou partie, par l’Agence nationale de la recherche (ANR) au titre du projet ANR - DMwithLLPatLHC - AAPG21. Cette communication est réalisée et financée dans le cadre de l’appel à projet Sciences Avec et Pour la Société - Culture Scientifique Technique et Industrielle pour les projets JCJC et PRC des appels à projets génériques 2021 (SAPS-CSTI-JCJC et PRC AAPG 21).