I si la Intel·ligència Artificial poguera guiar-nos en la cerca de nova física? Eixa és exactament la pregunta que ha motivat un nou treball de l'IFIC que acaba de ser publicat a la prestigiosa revista Physical Review Letters.

La intel·ligència Artificial no és una desconeguda per a la física d'altes energia. Més aviat al contrari: porta utilitzant-se més de trenta anys en el tractament de les dades produïdes en els grans col·lisionadors. Les màquines entrenades mitjançant tècniques de machine learning, capaces d'analitzar i trobar patrons en enormes quantitats de dades, són una eina fonamental de l'arsenal de la física d'altes energies. Ara, un grup d'investigadores i investigadors IFIC (centre mixt del Consell Superior d’Investigacions Científiques i la Universitat de València) 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 investigadors del CSIC i la Universitat de València, Martin Hirsch, Lucca Mantani i Verónica Sanz, planteja una nova estratègia per a analitzar les dades del LHC utilitzant algoritmes genètics, una tècnica d'Intel·ligència Artificial inspirada en la selecció natural. En la pràctica, l'algoritme comença amb un conjunt ampli de models candidats, cadascun 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'algoritme crea nous models teòrics a partir dels ja coneguts i cada model resultant s'evalua 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 cerques, es consideren més prometedors. Aquests models “sobreviuen” i s'utilitzen com a base per a la següent generació, mentre que els menys compatibles es descarten. D'aquesta manera, l'algoritme identifica de manera automàtica i eficient quines direccions teòriques tenen més potencial per a revelar nova física.

Aquest 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'algoritme genètic recorre les opcions “saltant” entre les més prometedores. En seleccionar, combinar i modificar només els models que mostren millors resultats, la cerca es concentra de manera natural en les zones de l'espai on és més probable trobar senyals de nova física.

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.

Aquest 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 col·lisionadors més importants del món. En particular, el Gran Col·lsionador 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 cerca de la nova física en la pròxima generació de col·lisionadors.

Els resultats mostren que aquest 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 eines amb Intel·ligència Artificial poden ajudar-nos, precisament, a explorar de forma molt més eficaç eixe territori desconegut i a orientar la cerca de noves teories fonamentals.