​L'organisation du nucléon en quarks et gluons peut être étudiée via les protons à haute énergie, animés d'une vitesse proche de celle de la lumière. En effet, si les physiciens mesurent des processus impliquant ces protons relativistes et conduisant à un état final entièrement caractérisé, ils peuvent extraire de leurs données expérimentales des fonctions mathématiques appelées « distributions de partons généralisées » (ou GPD) dans lesquelles sont encodées des informations sur les densités tridimensionnelles de quarks et de gluons à l'intérieur du nucléon.

L'Irfu participe à de telles expériences, notamment au programme CLAS12 mené au Jefferson Laboratory (États-Unis). Cependant, l'extraction de la structure multidimensionnelle du nucléon est entachée de grandes incertitudes d'origine théorique (lire Hadrons : des particules bien difficiles à percer à jour).

Des « filtres » complémentaires

En parallèle, la simulation numérique de l'interaction forte a progressé au cours de la dernière décennie, au point de devenir réaliste et de nouvelles idées ont permis de connecter les calculs issus de simulations numériques à la structure multidimensionnelle du nucléon. Le calcul direct restant inaccessible, il est cependant possible d'extraire des GPD à partir d'observables de simulation, de manière très similaire à ce qui est fait avec les observables expérimentales. Dans les deux cas, une partie seulement de l'information recherchée est « filtrée » mais les filtres, de natures très différentes, laissent passer des informations complémentaires. Dans ces conditions, serait-il possible de réduire l'incertitude sur la structure du nucléon ?

Combiner données expérimentales et de simulation 

Pour le savoir, des physiciens de l'Irfu, en partenariat avec le Centre de physique nucléaire de Varsovie et l'Université Williams & Mary aux États-Unis, ont spécialement conçu un modèle de GPD à partir d'un réseau de neurones respectant leurs propriétés théoriques et tenant compte des incertitudes de reconstruction. À l'aide de ce modèle, ils ont produit une centaine de solutions en accord avec les données expérimentales disponibles.

En l'absence de données de simulation, ils ont de plus généré aléatoirement des données factices, reproduisant la plupart des propriétés de simulations réelles et ont eu recours à une technique de « repondération bayésienne » pour les combiner aux solutions extraites des données expérimentales sans recourir à des entraînements supplémentaires et coûteux du modèle.

Ils établissent qu'en combinant données expérimentales et données de simulations, il est effectivement possible d'espérer réduire d'un facteur deux les incertitudes théoriques sur la structure multidimensionnelle du nucléon. C'est l'objectif affiché par le projet CompToN qui débute à l'Irfu en avril 2024, avec le soutien de l'ANR.