La inteligencia artificial está transformando la investigación en física nuclear con algoritmos capaces de analizar señales que hasta ahora resultaban extremadamente difíciles de interpretar. Un equipo de la Universidad de Huelva desarrolla una nueva generación de redes neuronales que permitirá identificar partículas de baja energía con mayor rapidez y precisión, un avance llamado a mejorar el trabajo en algunos de los mayores aceleradores de partículas del mundo y con potencial para llegar a ámbitos como la medicina nuclear.
Estos desarrollos forman parte del proyecto LORRAINE, una investigación dirigida por el catedrático José Antonio Dueñas Díaz, de la Escuela Técnica Superior de Ingeniería de la Universidad de Huelva, cuyo objetivo es combinar los métodos tradicionales de análisis de señales con técnicas de aprendizaje automático para superar una de las principales limitaciones de la física experimental.
Algoritmos capaces de interpretar señales que antes pasaban desapercibidas
Cuando una reacción nuclear produce nuevas partículas, estas impactan sobre detectores de silicio, generando señales eléctricas que contienen información sobre su naturaleza, energía y masa. El problema aparece cuando esas partículas tienen muy baja energía, ya que las señales son mucho más débiles y difíciles de interpretar.
«Nuestro trabajo consiste principalmente en identificar las partículas que se producen en las reacciones nucleares; cuando una partícula incide sobre un detector de silicio genera una señal eléctrica que contiene toda su información», explica José Antonio Dueñas, quien añade que el gran desafío consiste en «interpretar correctamente esa señal para saber exactamente qué partícula la ha producido».
Hasta ahora, esta tarea dependía de complejos modelos matemáticos. Sin embargo, el aumento de la cantidad de datos generados por los experimentos ha impulsado la búsqueda de herramientas mucho más eficientes.
Redes neuronales para analizar millones de datos casi en tiempo real
La respuesta llega de las redes neuronales profundas. Estos algoritmos, inspirados en el funcionamiento del cerebro humano, aprenden a reconocer patrones tras entrenarse con miles de ejemplos y son capaces de distinguir señales extremadamente parecidas.
Como destaca Dueñas, estas redes «aprenden por sí solas a reconocer patrones que, mediante métodos tradicionales, pueden pasar desapercibidos». Gracias a ello, añade, «nos permite identificar partículas con mayor rapidez y precisión y detectar efectos que, de otra forma, resultarían muy difíciles de observar».
Una vez entrenados, estos algoritmos pueden procesar millones de eventos experimentales prácticamente en tiempo real, una capacidad esencial para los grandes experimentos internacionales de física nuclear.
Del CERN a los grandes aceleradores de partículas del mundo
Los algoritmos desarrollados por la Universidad de Huelva ya se aplican al análisis de datos procedentes de instalaciones de referencia como el CERN, GANIL (Francia), los Laboratorios Nacionales de Legnaro (Italia) o TRIUMF (Canadá). Además, el proyecto forma parte de la colaboración internacional ACTAR, dedicada al desarrollo de nueva instrumentación para experimentos de física nuclear.
La aportación del equipo onubense no se limita al software. Los investigadores también participan en la caracterización de detectores de silicio y otros dispositivos científicos antes de que sean utilizados en estos aceleradores.
«Aquí aportamos conocimiento especializado, personal investigador e instrumentación que nos permite caracterizar los detectores antes de utilizarlos en los aceleradores de partículas; después analizamos los datos obtenidos en los experimentos para mejorar la identificación de las partículas», explica Dueñas.
Una tecnología con aplicaciones en medicina nuclear y nuevos materiales
Aunque LORRAINE es un proyecto de investigación básica, la mejora en la identificación de partículas abre la puerta a aplicaciones en numerosos ámbitos científicos y tecnológicos.
Una mayor precisión en el análisis puede contribuir al desarrollo de nueva instrumentación para medicina nuclear, mejorando tecnologías como el PET-TAC, la protonterapia o los sistemas de dosimetría. También puede tener impacto en la ciencia de materiales, la investigación energética y otros campos donde resulta esencial analizar partículas con gran precisión.
En palabras de José Antonio Dueñas, «todo el conocimiento que se genera en identificación de partículas puede aplicarse posteriormente en numerosos campos, especialmente en medicina nuclear, ciencia de materiales o en futuras investigaciones relacionadas con la energía».
La inteligencia artificial cambia la forma de hacer física experimental
El proyecto también sirve para formar a nuevos investigadores de la Universidad de Huelva, que participan en trabajos de laboratorio, proyectos de fin de grado y máster y campañas experimentales en grandes laboratorios internacionales.
Para Dueñas, la incorporación de la inteligencia artificial marca el inicio de una transformación profunda en la investigación científica. «La inteligencia artificial no va a cambiar los laboratorios, que seguirán dependiendo de la mejor instrumentación posible, pero sí está revolucionando la forma en que analizamos los datos. Estamos todavía en el comienzo de esa transformación y su impacto será enorme en los próximos años», concluye.
