Utilizamos cookies propias y de terceros para mejorar nuestros servicios y facilitarle el uso de la web mediante el análisis de sus preferencias de navegación. También compartimos la información sobre el tráfico por nuestra web a los medios sociales y de publicidad con los que colaboramos. Si continúa navegando, consideramos que acepta nuestra Política de cookies .

Actualidad científica

Síguenos
  • Google+
  • RSS
  • Noticias
  • 09/05/2018

Física de altas energías

Inteligencia artificial para que ayude en el CERN

Un concurso premiado con dinero, ¿podrá mejorar los procedimientos de seguimiento de las intrincadas trayectorias de las partículas en el Gran Acelerador de Hadrones?

Nature News

Menear

El detector de píxeles del experimento CMS del CERN registra las partículas que emergen de las colisiones [CERN].

También te puede interesar

LHC LHC

Para muchos, el LHC, el Gran Colisionador de Hadrones del CERN, es sinónimo del descubrimiento del bosón de Higgs. Sin embargo, este acelerador de partículas está arrojando luz sobre muchas otras cuestiones igualmente fundamentales. Descubre en este monográfico la historia del hallazgo del bosón de Higgs y la manera en que el LHC puede contribuir a encontrar una nueva física.

Más información

Los físicos del principal colisionador de partículas del mundo piden ayuda. Tienen planeado producir veinte veces más colisiones de partículas en el Gran Colisionador de Hadrones (LHC) que ahora, pero los actuales sistemas de detección no están a la altura del diluvio que viene. Por eso, un grupo de físicos del LHC se ha coaligado con científicos de la computación para convocar un concurso que aliente el desarrollo de técnicas de inteligencia artificial que puedan cribar rápidamente los residuos generados por las colisiones. Esperan que les ayudará en su objetivo de desentrañar las leyes de la naturaleza.

En el LHC, en el CERN, junto a Ginebra, dos grupos de protones chocan frontalmente dentro de cada uno de los detectores 40 millones de veces por segundo. Cada colisión de protones produce miles de nuevas partículas, que irradian desde un punto de colisión en el centro de cada detector, de tamaño catedralicio. Millones de sensores de silicio están dispuestos en capas como las de una cebolla; se encienden cada vez que una partícula cruza por delante, y producen así un píxel de información por cada una de esas veces. Las colisiones quedan grabadas solo cuando incluyen productos secundarios que puedan ser interesantes. Cuando lo son, el detector toma una instantánea que puede incluir cientos de miles de píxeles generados por el cúmulo de residuos de hasta veinte diferentes pares de protones. (Como las partículas se mueven a la velocidad de la luz o muy cerca de ella, un detector no puede tomar una película completa de su movimiento).

A partir de esta maraña, las computadoras del LHC reconstruyen decenas de miles de trayectorias en tiempo real antes de pasar a la instantánea siguiente. «El juego se llama ‘conecta los puntos’», dice Jean-Roch Vilmant, físico del Instituto de Tecnología de California, en Pasadena, miembro de la colaboración que se encarga del detector CMS del LHC.

Tras las mejoras futuras que están planeadas, se espera que cada instantánea incluya las partículas generadas en 200 colisiones de protones. Los físicos usan actualmente algoritmos de reconocimiento de patrones para reconstruir las trayectorias de las partículas. Aunque podrán determinar las trayectorias aun después de las actualizaciones, «el problema es que son muy lentos», dice Cécile Germain, científica de la computación de la Universidad de París Sur, en Orsay. Sin una gran inversión en nuevas tecnologías de detección, los físicos del LHC calculan que el ritmo de las colisiones superará la capacidad actual en un factor de 10.

Los investigadores sospechan que los algoritmos de aprendizaje maquinal podrían reconstruir las trayectorias mucho más deprisa. Para encontrar la mejor solución, Vilmant y otros físicos del LHC han hecho equipo con científicos de la computación, entre ellos Germain, para convocar el concurso TrackML. Durante los tres meses que vienen, los científicos de datos podrán descargar 400 gigabytes de datos simulados de colisiones de partículas ‒los píxeles de un detector idealizado‒ y entrenar sus algoritmos para reconstruir las trayectorias.

Los participantes serán evaluados basándose en la exactitud con que lo logren. Los tres que mejores resultados hayan conseguido en esa fase, de la que se encarga Kaggle, una firma propiedad de Google, recibirán un premio en metálico de 12.000, 8000 y 5000 dólares. Un segundo concurso evaluará los algoritmos basándose en la velocidad y en la exactitud, dice Vilmant.

Concursos de este estilo tienen una larga tradición en la ciencia de los datos, y muchos investigadores jóvenes participan para engordar sus currículums. «Quedar bien clasificado en un concurso es importantísimo», dice Germain. Quizá la más famosa de estas competiciones fue el Premio Netflix de 2009. Esta compañía de entretenimiento ofreció un millón de dólares a quien encontrase la mejor forma de predecir qué películas querrían ver sus usuarios basándose en las calificaciones que hubiesen dado antes. TrackML no es el primer concurso en física de partículas: en 2014, los equipos compitieron por «descubrir» el bosón de Higgs en un conjunto de datos simulados (el LHC lo había descubierto en 2012). Otras competiciones científicas tuvieron que ver con datos sobre todo tipo de cosas, del plancton a las galaxias.

Desde el punto de vista de la ciencia de la computación, el concurso del Higgs era un problema ordinario de clasificación, dice Tim Salimans, uno de los mejor clasificados en aquella competición (después consiguió un puesto de trabajo en OpenAI, de San Francisco, una iniciativa sin ánimo de lucro). Pero que tuviese que ver con la física del LHC le daba lustre, añade. Quizá explique lo popular que fue: participaron casi 1800 equipos, y muchos investigadores le atribuyen el mérito de que aumentase enormemente la interacción entre la física y la comunidad de la ciencia de la computación.

Las líneas amarillas son trayectorias reconstruidas de partículas en colisiones registradas por el detector CMS del CERN [CERN].TrackML es «incomparablemente más difícil», según Germain. En el caso del Higgs, las trayectorias reconstruidas eran parte de los datos de entrada; los concursantes  tenían que hacer otra capa de análisis para «encontrar» la partícula. En el nuevo problema, dice, hay que encontrar en los 100.000 puntos algo así como 10.000 arcos de elipse. Cree que el procedimiento que gane se parecerá quizá a los utilizados por el programa AlphaGo, que hizo historia en 2016 cuando batió a un campeón humano del complejo juego del go. En particular, podrían valerse del aprendizaje por refuerzo, en el que un algoritmo aprende por medio de ensayo y error según las «recompensas» que recibe tras cada intento.

Vilmant y otros físicos están también empezando a tomar en cuenta tecnologías menos probadas, como la computación neuromórfica y la computación cuántica. «No está claro a dónde vamos», dice Vilmant, «pero parece que tenemos un buen camino».

Davide Castelvecchi / Nature News.

Artículo traducido y adaptado por Investigación y Ciencia con permiso de Nature Research Group.

Artículos relacionados

Revistas relacionadas