Estudian cómo utilizar el aprendizaje de máquinas en la física de partículas

Ya se utiliza en algunos experimentos, pero los científicos temen que pueda echar a perder grandes descubrimientos


Expertos en inteligencia artificial y en física de partículas están estudiando conjuntamente cómo se puede aprovechar el aprendizaje automático para experimentos como los del Large Hadron Collider (LHC), del CERN (Ginebra, Suiza). Uno de sus usos más prácticos es filtrar la ingente cantidad de datos en tiempo real, algo que ya se aplica en experimentos 'de comprobación', pero los científicos temen que filtrar datos de forma automática y poco transparente podría desechar grandes descubrimientos involuntariamente. Por Carlos Gómez Abajo.


11/12/2015

Experimento LHCb. Imagen: Kanijoman/CERN. Fuente: Flickr.
Expertos en inteligencia artificial (IA) y en física de partículas están estudiando cómo se puede aprovechar el aprendizaje automático para experimentos como los del Large Hadron Collider (LHC), del CERN (Ginebra, Suiza).

Como recuerda Nature, ATLAS y CMS, los dos experimentos más grandes del LHC, que permitieron descubrir el bosón de Higgs, utilizan ya el aprendizaje de máquinas, una forma de IA que consiste en que los algoritmos reconozcan patrones en los datos y los incorporen a su conocimiento.

El experimento LHCb, que estudia asimetrías sutiles entre las partículas y sus contrapartes de antimateria, utiliza el aprendizaje automático para que su detector decida con qué datos -de los cientos de millones que se producen cada segundo- quedarse. El LHCb es sensible a los cambios de temperatura y presión, por lo que los datos que son interesantes cambian a cada momento, algo a lo que las máquinas pueden adaptarse en tiempo real.

Atlas y CMS podrían utilizar también el aprendizaje automático para filtrar datos en tiempo real, señalan los investigadores. Sin embargo, mientras que LHCb se dedica a redescubrir partículas conocidas, Atlas y CMS buscan partículas nuevas, por lo que los científicos están preocupados por la eliminación de datos que podrían contener grandes descubrimientos, de forma no transparente.

Se podría ir incluso un poco más allá, según investigadores de la Universidad de California, que han estudiado cómo utilizar el denominado conocimiento oscuro, una forma de aprendizaje profundo de máquinas -aprendizaje automático de alta complejidad-, para buscar la materia oscura.

Concurso

El CERN y Yandex Data Factory (una división del proveedor de búsquedas web ruso Yandex) han organizado, precisamente, un concurso para que los físicos del LHCb utilicen el aprendizaje automático para resolver un extraño fenómeno de la física de partículas, la violación del sabor de los leptones cargados. La primera fecha límite de presentación de resultados fue el 5 de octubre.

Los leptones son partículas subatómicas que, junto con los quarks, ayudan a formar la materia visible. Pero a diferencia de los quarks, leptones no intervienen en las interacciones fuertes. Los leptones son el electrón, el muón, el tau y los neutrinos, y el sabor es simplemente su tipo (igual que los quarks son up, bottom, etc.)

En el modelo estándar de la física de partículas, si dos o más partículas tienen interacciones idénticas, entonces pueden ser intercambiadas sin afectar a la física. Esto se conoce como simetría. La simetría del "sabor" de los leptones es una de las simetrías posibles. Si existe simetría en una interacción de partículas, entonces el número de electrones y electrones-neutrinos, muones y muones-neutrinos, y taus y tau-neutrinos deben conservarse por separado. Pero en muchas propuestas de ampliación del Modelo Estándar no existe esa simetría en el sabor de los leptones, y las desintegraciones que no conservan el sabor de los leptones son posibles.

Una desintegración en concreto que están buscando los físicos en el LHC es la de una partícula tau que decae a tres muones. La observación de este proceso sería una indicación clara de la violación del sabor de los leptones cargados y un signo de "nueva física".

El concurso consistía en utilizar datos reales de LHCb, y datos simulados, para detectar esa desintegración. "No hacen falta conocimientos de física de partículas", dice la nota del CERN.



Artículo leído 2508 veces



Más contenidos