Les algorithmes d’intelligence artificielle et en particulier d’apprentissage automatique sont de plus en plus utilisés au LMCE pour répondre à nos problématiques de recherche. En physique nucléaire, on y en voit en particulier trois axes d’utilisation possibles.

Le premier s’attache à accélérer certains calculs coûteux associés à la résolution de modèles théoriques ou encore à émuler (méta-modéliser) directement ces modèles. Nos efforts en ce sens portent notamment sur l’émulation de calculs d’énergie de liaison des noyaux et de propriétés associées à leur déformation (e.g. leur inerties de vibration), ainsi que sur des algorithmes d’optimisation de paramètres de base pour des calculs de type champs moyen. Aujourd’hui, ils reposent surtout sur l’usage de processus gaussiens et de réseaux de neurones.

Deuxièmement, l’intelligence artificielle monte en puissance dans le domaine de l’analyse des campagnes expérimentales menées au LMCE. Des travaux sont typiquement en cours pour appliquer des algorithmes de classification à la quantité croissante de données enregistrées pendant nos expériences. Un des buts visés est d’améliorer la discrimination des particules détectées.

Enfin, nous explorons l’utilisation d’apprentissage automatique pour débloquer certains verrous en physique nucléaire théorique. Un projet en ce sens vise à tirer parti d’ algorithmes génératifs pour alimenter la méthode des coordonnées génératrices dépendant du temps (TDGCM) dans le cadre de la simulation de la dynamique de la fission nucléaire.

L’ensemble de ces travaux ont donné lieu à de nouvelles collaborations notamment avec l’ENS Paris-Saclay (Saclay) et la startup Magic LEMP.