Un grupo de investigadoras e investigadores Instituto de Física Corpuscular (IFIC), centro mixto del Consejo Superior de Investigaciones Científicas y la Universitat de València en el Parc Científic UV, propone utilizar la Inteligencia Artificial para explorar los modelos físicos más prometedores en un nuevo trabajo publicado en la prestigiosa revista Physical Review Letters
La Inteligencia Artificial no es una desconocida para la física de altas energía. Más bien al contrario: lleva utilizándose más de treinta años en el tratamiento de los datos producidos en los grandes colisionadores. Las máquinas entrenadas mediante técnicas de machine learning, capaces de analizar y encontrar patrones en enormes cantidades de datos, son una herramienta fundamental del arsenal de la física de altas energías. Ahora, un grupo de investigadoras e investigadores del Instituto de Física Corpuscular (IFIC), centro de investigación del Parc Científic de la Universitat de València (PCUV), propone ir un paso más allá y utilizar la Inteligencia Artificial para explorar los modelos físicos más prometedores.
En el estudio, el equipo formado por Martin Hirsch, Luca Mantani y Verónica Sanz, plantea una nueva estrategia para analizar los datos del LHC utilizando algoritmos genéticos, una técnica de inteligencia artificial inspirada en la selección natural. En la práctica, el algoritmo comienza con un conjunto amplio de modelos candidatos, cada uno representando una posible extensión del Modelo Estándar. A partir de ahí, aplica pequeñas variaciones (“mutaciones” y “combinaciones” entre ellos) para generar nuevos modelos alternativos. Es decir, el algoritmo crea nuevos modelos teóricos a partir de los ya conocidos y cada modelo resultante se evalúa comparando sus predicciones con los datos experimentales disponibles. Los modelos que mejor encajan con los datos, o que muestran mayor capacidad para mejorar futuras búsquedas, se consideran más prometedores. Estos modelos “sobreviven” y se utilizan como base para la siguiente generación, mientras que los menos compatibles se descartan. De este modo, el algoritmo identifica de forma automática y eficiente qué direcciones teóricas tienen más potencial para revelar nueva física.
Este enfoque es especialmente potente porque permite explorar de manera eficiente un espacio teórico gigantesco y multidimensional, imposible de recorrer de forma sistemática con métodos tradicionales. En lugar de analizar cada modelo por separado, algo inabordable debido al gran número de combinaciones posibles, el algoritmo genético recorre las opciones “saltando” entre las más prometedoras. Al seleccionar, combinar y modificar sólo los modelos que muestran mejores resultados, la búsqueda se concentra de forma natural en las zonas del espacio donde es más probable encontrar señales de nueva física.
En la década de 2040 aproximadamente, el LHC cesará su actividad y su sucesor será, con gran probabilidad, un colisionador todavía mayor capaz de adentrarse en territorio inexplorado. Así, la IA podría utilizarse como una brújula que oriente la búsqueda de la nueva física en la próxima generación de colisionadores
El objetivo no es solo explicar mejor los datos actuales, sino algo más ambicioso: identificar qué escenarios tienen más “esperanza de descubrimiento” en el futuro cercano. Es decir, pretende ayudar a decidir cuáles de los modelos actuales tienen más opciones de realizar aportaciones verdaderamente novedosas.
Este estudio es especialmente pertinente en un momento en el que la física de partículas dará varios saltos cualitativos en el futuro a medio y largo plazo, gracias a la mejora de los colisionadores más importantes del mundo. En particular, el Gran Colisionador de Hadrones (LHC, por sus siglas en inglés) verá aumentada significativamente la intensidad de sus haces de partículas en los próximos años, entrando en una fase que se conoce como de alta luminosidad. Por otro lado, en la década de 2040 aproximadamente, el LHC cesará su actividad y su sucesor será, con gran probabilidad, un colisionador todavía mayor capaz de adentrarse en territorio inexplorado. Así, la IA podría utilizarse como una brújula que oriente la búsqueda de la nueva física en la próxima generación de colisionadores.
Los resultados muestran que este enfoque es capaz de identificar señales que los análisis tradicionales podrían pasar por alto, abriendo una nueva vía para combinar física de partículas, estadística avanzada e inteligencia artificial. Todo ello serviría para abordar uno de los mayores problemas de la física moderna: que el Modelo Estándar de la Física Partículas está inacabado. Para completarlo, o quizás sustituirlo, es necesario encontrar nuevos fenómenos que nos permitan dilucidar entre las diversas propuestas teóricas. Las herramientas con Inteligencia Artificial pueden ayudarnos, precisamente, a explorar de forma mucho más eficaz ese territorio desconocido y a orientar la búsqueda de nuevas teorías fundamentales.
Fuente: IFIC
Posts recientes