Description

Nos connaissances actuelles sur les distributions de partons généralisées (GPD) sont confrontées à un double défi. À partir d'une petite quantité de données expérimentales et simulées comportant des incertitudes, il faut résoudre un ensemble de problèmes inverses multidimensionnels et mathématiquement mal posés. L'objectif du doctorat est double :
1. Générer de nouvelles données de simulation, en palliant leur manque de précision et de couverture cinématique.
2. Fournir une solution générique à cet ensemble de problèmes inverses et une estimation approfondie des incertitudes associées, permettant la première extraction fiable de la structure 3D du nucléon.

Le candidat sera accueilli par le laboratoire virtuel commun européen AIDAS (AI, Data Analytics and Scalable Simulation), une initiative du Forschungszentrum Jülich (FZJ) en Allemagne et du Commissariat à l'énergie atomique et aux énergies alternatives (CEA) en France. Le programme de doctorat proposé est partagé entre l'Allemagne et la France et le candidat devrait passer la moitié de son temps dans chaque pays. Les partenaires du FZJ ont une grande expérience des simulations à grande échelle de l'interaction forte, et ils superviseront et dirigeront cette première partie du programme. Les partenaires du CEA ont une grande expérience de la phénoménologie et de l'extraction de données, et superviseront le candidat dans l'inclusion des données de simulation dans une extraction globale des GPD. Cette deuxième partie impliquera des techniques avancées d'apprentissage automatique pour traiter les problèmes inverses.

Le candidat aura l'occasion de contribuer à tous les aspects de l'activité de ses équipes d'accueil composées de physiciens, en étroite collaboration avec des experts en logiciels et applications scientifiques.

Le candidat au doctorat se concentrera sur l'amélioration de notre connaissance de la structure multidimensionnelle du nucléon. Le projet est divisé en deux tâches principales :

I.- Simulation et extraction des moments de GPD sur le réseau.
I.1. Exécuter des simulations pour calculer les opérateurs locaux de twist dominant en utilisant des ensembles de jauge à la masse physique du pion. L'objectif est d'extraire les premiers moments, en particulier les premiers facteurs de forme généralisés ainsi que leur dépendance par rapport à t.
I.2. Répéter l'étape précédente sur plusieurs ensembles de jauge avec différentes mailles de réseau, pour permettre l'extrapolation des résultats au continuum et leur exploitation dans une analyse globale.
I.3. Améliorer les algorithmes et développer des flux opérationnels pour utiliser efficacement les nouveaux supercalculateurs hébergés par le CEA et le FZJ.

II.- Améliorer l'analyse globale des GPD
II.1. Développer des outils d'apprentissage automatique pour atténuer le caractère mal posé du problème inverse reliant les données expérimentales et de simulation à la structure multidimensionnelle codée dans les GPD. Nous nous concentrerons d'abord sur la production exclusive d'un photon réel, puis d'un méson.
II.2. Développer des algorithmes rapides et fiables pour effectuer des ajustements globaux des GPD, incluant à la fois les données expérimentales et celles de la QCD sur réseau. Il s'agit d'un défi car de nombreuses étapes numériques se trouvent entre la fonction cible et les données.
II.3.Réaliser un tel ajustement et exploiter les résultats pour les études d'impact des futures installations, en particulier pour les futurs EIC et EicC.

Cependant, cet ensemble d'activités peut évoluer en fonction des avancées théoriques d'une part et de la publication de nouvelles mesures d'autre part. D'une manière générale, il convient de noter que ce sujet comporte une part importante de mathématiques appliquées et d'analyse numérique, fortement motivées par des questions de physique. Les goûts scientifiques du candidat doivent correspondre à ces exigences.

Compétences requises

D'une manière générale, il convient de noter que ce sujet comporte une part importante de mathématiques appliquées et d'analyse numérique, fortement motivées par des questions de physique. Les goûts scientifiques du candidat doivent correspondre à ces exigences. Des connaissances de base de la théorie quantique des champs et de la phénoménologie de la physique des particules élémentaires sont requises. Des cours sur l'apprentissage automatique sont un atout. Une expérience préalable de la programmation orientée objet, idéalement en C++ et en Python, serait un avantage pour l'utilisation des outils informatiques existants.

Bibliographie

M. Rodekamp et al., Phys.Rev.D 109 (2024) 7, 074508
V. Bertone et al., Phys.Rev.D 103 (2021) 11, 114019

Mots clés

QCD sur réseau, Structure du nucléon, Apprentissage automatique, Traitement des incertitudes, Données expérimentales, Problèmes inverses