Comparer l'expérience à la simulation : le protocole de backtracing comme approche bayésienne

Les collisions entre ions lourds autour de l’énergie de Fermi (38 MeV par nucléon) permettent d ‘étudier les noyaux dans des conditions extrêmes en terme de densité r, de température T, de moment angulaire J (spin) ou bien encore d’isospin (rapport N/Z). Ce type d’étude permet alors de caractériser l’équation d’état de la matière nucléaire, notamment ce qui concernent les dépendances en densité (module d’incompressibilité), en température (transitions de phase) ou encore en isospin (énergie de symétrie). Pour accéder à ces informations, il faut pouvoir comparer les données expérimentales issues de telles collisions avec des simulations permettant alors de définir les conditions thermodynamiques (énergie d’excitation/température, densité, moment angulaire, …) à l’œuvre dans les réactions. Dans ce contexte, je propose un stage permettant de mettre en place une nouvelle méthode de comparaison appelée backtracing basée sur une approche de type bayesienne, dans le but d’évaluer les avantages obtenus par rapport aux techniques de comparaison plus traditionnelles utilisées jusqu’à présent. Le stage consistera alors à développer la technique du backtracing sur un lot d’événements issus des données expérimentales récoltées avec le multidétecteur INDRA. INDRA est actuellement l’un des multidétecteur de particules chargées le plus performant dans le domaine d’étude des collisions autour de l’énergie de Fermi. Les données expérimentales seront comparés avec les prédictions d’un modèle phénoménologique de transport appelé HIPSE (Heavy Ion Phase Space Explorator), ce modèle étant utilisé dans la comparaison avec les données de collisions depuis plus de 15 ans. Durant le stage, un benchmark sera ainsi établi entre le backtracing et les méthodes de comparaison traditionnelles sur les données INDRA.

Le stage s’effectuera au sein du groupe Dynamique et Thermodynamique nucléaire du LPC Caen,
constitué à l’heure actuelle de 5 permanents et un doctorant. Les compétences requises exigent, en
plus de solides connaissances en Physique Nucléaire, une certaine maîtrise des outils informatiques de programmation en C++ et FORTRAN, ainsi que des simulations de type Monte Carlo en général.

Thèse à l’issue du stage : non

Abstract
Backtracing protocol as a bayesian approach to compare data to simulations
Collisions between heavy ions around the Fermi energy (38 MeV per nucleon) allow to study the nuclei under extreme conditions in terms of density r, temperature T, angular momentum J (spin) or isospin (ratio N/Z). This type of study then makes possible to characterize the equation of state of nuclear matter, in particular with regard to dependencies in density (incompressibility module), temperature (phase transitions) or isospin (symmetry energy). To access this information, it is necessary to be able to compare the experimental data from such collisions with simulations to define the thermodynamic conditions (excitation energy/temperature, density, angular momentum, etc.) at stake in the nuclear reactions. In this context, I propose an internship to set up a new comparison method called backtracing based on a Bayesian approach, in order to evaluate the advantages obtained compared to the more traditional comparison techniques used until now. The internship will then consist in developing the backtracing technique on a batch of events resulting from experimental data collected with the INDRA multidetector. INDRA is currently one of the most efficient multi-detector of charged particles in the field of nuclear collisions study around Fermi energy. The experimental data will be compared with the predictions of a phenomenological transport model called HIPSE (Heavy Ion Phase Space Explorator), which has been successfully used in the comparison with collision data for more than 15 years. During the internship, a benchmark will be established between backtracing and traditional comparison methods on INDRA data.

The internship will be carried out within the Dynamics and Nuclear Thermodynamics group of LPC Caen, currently composed of 5 permanent staff physicists and a PHD. The required skills are in addition to a solid knowledge of Nuclear Physics, a certain mastering of computer programming tools in C++ and FORTRAN, as well as Monte Carlo simulations in general.

PHD thesis after internship : no