Une technique de traitement de données qui filtre certains résultats de mesure pour améliorer un signal souhaité.La sélection d'événements est une technique d'analyse de données utilisée en physique expérimentale pour isoler des signaux rares ou faibles d'un bruit de fond parasite. Dans toute mesure, les détecteurs enregistrent un grand nombre d'événements, dont la plupart sont du bruit de fond sans intérêt. La sélection d'événements applique un ensemble de critères — des coupures sur l'énergie, le temps, les corrélations spatiales, ou des motifs plus complexes appris par machine — pour décider quels événements sont conservés pour une analyse ultérieure et lesquels sont rejetés. Cela est crucial dans des domaines comme l'astronomie des ondes gravitationnelles, la physique des particules et l'optique quantique, où le signal d'intérêt peut être noyé dans des millions d'événements de bruit.
La technique est utilisée depuis les débuts de la physique des particules au milieu du XXe siècle, évoluant de simples déclencheurs matériels à des sélections logicielles sophistiquées. La sélection d'événements basée sur l'apprentissage automatique s'est généralisée dans les années 2010, en particulier dans les expériences de physique des hautes énergies au Grand collisionneur de hadrons.
Le processus commence par la définition de ce à quoi ressemble un événement signal, sur la base de prédictions théoriques ou de simulations. Ensuite, pour chaque événement détecté, un ensemble de caractéristiques est calculé — par exemple, la forme d'une impulsion, la direction d'une trace de particule, ou la corrélation entre deux détecteurs. Les événements qui correspondent à la signature attendue sont conservés, tandis que les autres sont rejetés. Les approches modernes utilisent des classificateurs d'apprentissage automatique capables d'apprendre des motifs subtils distinguant le signal du bruit, atteignant souvent une efficacité bien supérieure à celle des simples coupures de seuil.
Indispensable pour détecter les ondes gravitationnelles issues de fusions de trous noirs, trouver des désintégrations rares de particules, et extraire des signaux quantiques du bruit dans des expériences comme la distribution quantique de clés.
Dans la recherche des ondes gravitationnelles, les algorithmes de sélection d'événements doivent extraire des signaux qui étirent et compriment l'espace-temps de moins que la largeur d'un proton, à partir de flux de données contenant des vibrations dues aux tremblements de terre, au trafic et à d'autres bruits terrestres.









