Project B1
The impact of computer simulations and machine learning
on the epistemic status of LHC Data

The impact of computer simulations and machine learning on the epistemic status of LHC Data

Computersimulationen (CS) und maschinelles Lernen (ML) sind in der gegenwärtigen Hochenergiephysik (HEP) wichtige Werkzeuge für die experimentelle Datengenese und -analyse. In diesem Projekt wenden wir uns den erkenntnistheoretischen Fragen zu, die mit dieser Verwendung von CS und ML in der HEP verbunden sind. Wir konzentrieren uns dabei auf die Verwendung beider im ATLAS-Experiment, welches seit 2008 am LHC im CERN in Betrieb ist. Unsere Forschung baut auf fundierten Kenntnissen der Philosophie des Experimentes auf (z.B. Schiemann, 2008), sowie detailliertem Wissen über die relevanten computerbasierten Methoden (z.B. Zeitnitz & Gabriel, 1994).

 

Die zukünftigen Ziele des Projektes sind: Die Möglichkeit versteckter Unsicherheiten zu untersuchen, die sich aus der Verwendung von CS und ML in der HEP ergeben könnten; die genaue Art von Robustheit aufzuzeigen, die CS und ML in der HEP genießen; und die erkenntnistheoretischen Herausforderungen zu verstehen, die aus der oft behaupteten erkenntnismäßigen Intransparenz von CS und ML hervorgehen, sowie deren Handhabung in der HEP.

 

Ein zentrales Konzept unserer Forschung ist das des epistemischen Risikos (z.B. Hillerbrand, 2012a; 2014), im weiten Sinne verstanden. Dieses Konzept verwenden wir, um den Einfluss von CS und ML auf das Entdeckungspotenzial des Experimentes genau zu verstehen. Unter anderem erfordert dies eine erkenntnistheoretische Untersuchung von Grundlagen und Umfang der Handhabung von Unsicherheiten in der HEP, insoweit diese durch die Verwendung von CS und ML bedingt sind.

 

Unsere vergangene Forschung hat bereits zu einem umfassenden Bild der Komplexität der Beziehungen zwischen verschiedenen Simulationsmodellen, wie sie bei ATLAS in Gebrauch sind, geführt, was wiederum Herausforderungen für zentrale Überzeugungen in der Erkenntnistheorie der Simulation aufwirft (unveröffentlicht). Andere Resultate umfassen eine Klassifikation verschiedener Arten von CS die für die HEP relevant sind (Hillerbrand, 2012b), eine detaillierte Untersuchung der Beziehung zwischen Theorie, Experiment und Simulation (Boge, 2019, im Erscheinen), die (Nicht-)Notwendigkeit von CS für HEP-Experimente (Krämer, Schiemann & Zeitnitz, in Vorbereitung), sowie erste Resultate zur Frage der Intransparenz (Boge & Grünke, im Erscheinen).

 

English version

 

Projektleiter:
Rafaela Hillerbrand
Gregor Schiemann
Christian Zeitnitz

Post-Doktorant:
Florian Boge

Doktorant:
Paul Grünke

Ehemalige:

Michael Krämer (früherer Projektleiter)

Kooperationspartner:

Johannes Grebe-Ellis (BUW)

Oliver Passon (BUW)

 

Relevante Publikationen

 

Boge, Florian J. (im Erscheinen). How to infer explanations from computer simulations. Studies in History and Philosophy of Science

 

Boge, Florian J. (2019a). Why computer simulations are not inferences, and in what sense they are experiments. European Journal for Philosophy of Science Vol. 9, no. 13 (30 pp.). doi.org/10.1007/s13194-018-0239-z

 

Boge, F.J. and Grünke, P. (im Erscheinen) Computer Simulations, Machine Learning and the Laplacean Demon: Opacity in the Case of High Energy Physics, in: Resch, Kaminski, and Gehring (Eds.), The Science and Art of Simulation II, Springer.

 

Hillerbrand, R. (2012a). The risk of climate change. In Roeser, S., Hillerbrand, R., Sandin, P., and Peterson, M. (eds.), Handbook of Risk Theory. Springer.

 

Hillerbrand, R (2012b) Order out of chaos? A case study in high energy physics. Studia Philosophica Estonica, 5(2):61–78.

 

Hillerbrand, R. (2014). Climate simulations: Uncertain projections for an uncertain world. Journal for General Philosophy of Science, 54(1):17–32.

 

Krämer M., Schiemann G. & Zeitnitz C. (in Vorbereitung). Could we have done without computer simulations in the Higgs discovery?

 

Schiemann, G. (2008). Experimental Knowledge and the Theory of Producing it. In Feest, U., Hon, G., Rheinberger, H.J., Schickore, J., Steinle, F. (eds.), Generating Experimental Knowledge. Preprints of the Max Planck Institute for the History of Science Berlin, pp. 109-120.

 

Zeitnitz, C. and Gabriel, T. A. (1994). The GEANT-CALOR interface and benchmark calculations for ZEUS calorimeters. Nuclear Instruments and Methods in Physics Research Section A, 349:106-.111.

 

.