Un estudi de l'IFIC planteja la Intel·ligència Artificial com a brúixola cap a la nova física

La Intel·ligència Artificial no és una desconeguda per a la física d'altes energia. Més prompte al contrari: porta utilitzant-se més de trenta anys en el tractament de les dades produïdes en els grans colisionadors. Les màquines entrenades mitjançant tècniques de machine learning, capaces d'analitzar i trobar patrons en enormes quantitats de dades, són una ferramenta fonamental de l'arsenal de la física d'altes energies. Ara, un grup d'investigadores i investigadors de l'Institut de Física Corpuscular (IFIC), centre d'investigació del Parc Científic de la Universitat de València (PCUV), proposa anar un pas més enllà i utilitzar la Intel·ligència Artificial per a explorar els models físics més prometedors. 

En l'estudi, l'equip format per Martin Hirsch, Lucca Mantani i Verónica Sanz, planteja una nova estratègia per a analitzar les dades del LHC utilitzant algorismes genètics, una tècnica d'intel·ligència artificial inspirada en la selecció natural. En la pràctica, l'algorisme comença amb un conjunt ampli de models candidats, cada un representant una possible extensió del Model Estàndard. A partir d'ací, aplica xicotetes variacions (“mutacions” i “combinacions” entre ells) per a generar nous models alternatius. És a dir, l'algorisme crea nous models teòrics a partir dels ja coneguts i cada model resultant s'avalua comparant les seues prediccions amb les dades experimentals disponibles. Els models que millor encaixen amb les dades, o que mostren major capacitat per a millorar futures busques, es consideren més prometedors. Estos models “sobreviuen” i s'utilitzen com a base per a la següent generació, mentres que els menys compatibles es descarten. D'esta manera, l'algorisme identifica de manera automàtica i eficient quines direccions teòriques tenen més potencial per a revelar nova física.

Este enfocament és especialment potent perquè permet explorar de manera eficient un espai teòric gegantesc i multidimensional, impossible de recórrer de manera sistemàtica amb mètodes tradicionals. En lloc d'analitzar cada model per separat, una cosa inabordable a causa del gran nombre de combinacions possibles, l'algorisme genètic recorre les opcions “saltant” entre les més prometedores. En seleccionar, combinar i modificar només els models que mostren millors resultats, la busca es concentra de manera natural en les zones de l'espai on és més probable trobar senyals de nova física.

En la dècada de 2040 aproximadament, el LHC cessarà la seua activitat i el seu successor serà, amb gran probabilitat, un colisionador encara major capaç d'endinsar-se en territori inexplorat. Així, la IA podria utilitzar-se com una brúixola que oriente la busca de la nova física en la pròxima generació de colisionadors

L'objectiu no és només explicar millor les dades actuals, sinó una cosa més ambiciosa: identificar quins escenaris tenen més “esperança de descobriment” en el futur pròxim. És a dir, pretén ajudar a decidir quins dels models actuals tenen més opcions de realitzar aportacions verdaderament noves.

Este estudi és especialment pertinent en un moment en el qual la física de partícules farà diversos salts qualitatius en el futur a mitjà i llarg termini, gràcies a la millora dels colisionadors més importants del món. En particular, el Gran Colisionador d'Hadrons (LHC, per les seues sigles en anglés) veurà augmentada significativament la intensitat dels seus feixos de partícules en els pròxims anys, entrant en una fase que es coneix com d'alta lluminositat. D'altra banda, en la dècada de 2040 aproximadament, el LHC cessarà la seua activitat i el seu successor serà, amb gran probabilitat, un colisionador encara major capaç d'endinsar-se en territori inexplorat. Així, la IA podria utilitzar-se com una brúixola que oriente la busca de la nova física en la pròxima generació de colisionadors.

Els resultats mostren que este enfocament és capaç d'identificar senyals que les anàlisis tradicionals podrien passar per alt, obrint una nova via per a combinar física de partícules, estadística avançada i intel·ligència artificial. Tot això serviria per a abordar un dels majors problemes de la física moderna: que el Model Estàndard de la Física Partícules està inacabat. Per a completar-ho, o potser substituir-ho, és necessari trobar nous fenòmens que ens permeten dilucidar entre les diverses propostes teòriques. Les ferramentes amb Intel·ligència Artificial poden ajudar-nos, precisament, a explorar de forma molt més eficaç eixe territori desconegut i a orientar la busca de noves teories fonamentals.