Exemple de collision proton-proton à 13.6 TeV enregistrée en 2025 © ATLAS Experiment - CERN
Sur la piste de la matière noire : au LPSC, la recherche de particules au long temps de vie
24 février 2026
Invisible, omniprésente et toujours insaisissable : la matière noire reste l'une des grandes énigmes de la physique. Au LPSC, Marie-Hélène Genest et son équipe explorent une piste originale — celle des particules au long temps de vie — à travers le projet ANR DMwithLLPatLHC.
Partager ce contenu
Catégories
Un projet né d'un angle mort de la recherche
Les expériences menées autour du LHC au CERN ont déjà couvert de nombreux scénarios théoriques pour détecter de nouvelles particules susceptibles d'expliquer la matière noire. Mais certaines signatures, bien que prédites par la théorie, restaient encore peu ou pas étudiées.
C'est de ce constat qu'est né le projet DMwithLLPatLHC, financé par l'ANR de 2022 à 2026 et coordonné par Marie-Hélène Genest, directrice de recherche CNRS au LPSC. L'objectif : s'intéresser spécifiquement aux particules au long temps de vie — des objets hypothétiques qui, contrairement à la plupart des particules instables, survivraient assez longtemps pour se déplacer à l'intérieur du détecteur avant de se désintégrer, parfois à plusieurs mètres du point de collision.
Une vingtaine de scientifiques, deux types de signatures
Le projet rassemble une vingtaine de chercheurs et chercheuses, entre Grenoble (LPSC) et Paris (LPNHE, LPTHE), mêlant théoriciens, expérimentateurs et spécialistes du détecteur. Cette pluridisciplinarité est une nécessité : identifier ces particules demande de maîtriser à la fois les modèles théoriques, le fonctionnement fin du détecteur ATLAS et des méthodes d'analyse spécifiques.
L'équipe s'est concentrée sur deux types de particules :
- Les particules de type axions, dont la désintégration produit deux photons si proches que leurs signaux se superposent dans le détecteur — les distinguer exige des méthodes d'analyse complexes dans un environnement à fort bruit de fond.
- Les hadrons sombres, dont la production générerait des jets émergents : des gerbes de particules apparaissant à distance du point de collision, avec une partie de l'énergie visible et une autre « manquante », révélatrice de particules invisibles.
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
Le machine learning au service de la détection
Avec près de 2 milliards de collisions par seconde produites par le LHC, les données sont massives. L'équipe s'appuie sur des techniques de machine learning pour calibrer les jets, identifier les signatures rares et discriminer le signal du bruit de fond.
Un soin particulier a été apporté à la réinterprétabilité des résultats : des codes publics ont été développés par les doctorants du projet pour permettre à l'ensemble de la communauté scientifique de tester de nouveaux scénarios théoriques à partir des données analysées.
Des résultats qui orientent l'avenir
À l'approche de sa conclusion, le projet affiche des avancées significatives. L'équipe a notamment identifié et étudié pour la première fois une signature composée de deux jets émergents, prédite théoriquement mais jamais analysée auparavant. Les analyses sur les axions ont par ailleurs permis d'exclure certaines régions de paramètres, précisant ainsi là où ces particules ne peuvent pas exister.
Même sans découverte directe, ces résultats balisent le chemin : « Il faut savoir où ne pas regarder. Le futur nous dira où les excès se trouvent », souligne Marie-Hélène Genest.
Alors que le troisième cycle du LHC s'achève en 2026, l'équipe se projette déjà vers le quatrième cycle et les futures machines susceptibles de lui succéder — et vers de nouvelles approches globales de détection d'anomalies qu'ouvre le machine learning.
👉 Lire l'article complet sur CNRS Le Journal : Sur la piste de la matière noire : particules au long temps de vie et jets émergents https://lejournal.cnrs.fr/nos-blogs/focus-sciences/sur-la-piste-de-la-matiere-noire-particules-au-long-temps-de-vie-et-jets