O LHCb, un dos detectores do gran colisor de hadróns (LHC) do CERN en Suíza, produce colisións de protóns a altísimas enerxías. Estas colisións xeran partículas inestables que conteñen quarks pesados, cuxa desintegración permite estudar fenómenos de física fundamental que axudan a explicar por que o universo está formado principalmente por materia e case non contén antimateria.
O equipo do experimento, grazas a un estudo liderado por persoal investigador do CITENI, no Campus Industrial de Ferrol, desenvolveu un algoritmo inclusivo baseado en redes neuronais profundas (DeepSets) que analiza todas as partículas de cada colisión, o que permite reconstruír de maneira máis completa a orixe de cada mesón B.
Os quarks: a materia prima do universo
Pero, que é exactamente un mesón B e por que é importante? Para explicalo temos que achegarnos ás partículas máis básicas e elementais que constitúen a materia: os quarks. Hai seis tipos (up, down, charm, strange, top e bottom) e combínanse entre si para formar outras partículas compostas chamadas hadróns. Os mesóns B son un tipo de hadrón formado por un quark bottom e outro quark máis lixeiro. Algúns mesóns B, como B⁰ e Bₛ⁰, que son neutros, poden transformarse na súa antipartícula e logo volver ao seu estado inicial, nun proceso chamado oscilación. Determinar o “sabor” dun mesón, é dicir, o tipo de quark que contiña no seu estado inicial, é esencial para medir estas oscilacións e estudar a violación da simetría de carga-paridade (CP), un fenómeno que explica a predominancia da materia sobre a antimateria no universo.
Reconstruíndo o invisible
Coñecer o sabor orixinal dun mesón B é complexo, xa que se vai formar nun contorno caótico cheo de partículas xeradas na colisión de protóns. Ata agora, no experimento LHCb utilizábanse dúas técnicas principais: a identificación polo lado oposto (Opposite Side, OS), na que se analiza o outro quark xerado na mesma colisión para deducir o sabor do mesón B; e a identificación polo mesmo lado (Same Side, SS), na que se estudan as partículas que acompañan o mesón, que deixan pistas sobre o seu sabor inicial. Ambos os métodos aproveitan só parte da información dispoñible, o que limita a cantidade e a calidade dos datos útiles.
Intelixencia artificial ao rescate
Agora, grazas a esta investigación que considera toda a información do evento de maneira global, mellóranse tanto a fracción dos mesóns correctamente etiquetados (flavor tagging) como a fiabilidade de cada etiqueta. Adestrado e calibrado con desintegracións coñecidas de mesóns B neutros como B⁰ e Bₛ⁰, o algoritmo logrou un 35% máis de poder de etiquetaxe para B⁰ e un 20% máis para Bₛ⁰, en comparación coas técnicas tradicionais descritas anteriormente. Esta mellora equivale a dispoñer de moitos máis datos efectivos por colisión, o que incrementa a precisión das análises e a capacidade do experimento LHCb para explorar posibles desviacións do modelo estándar.
Publicacións e colaboración internacional
A investigación coordinada polo grupo FiTNAE da UDC dirixiuna a investigadora Ramón y Cajal e InTalent Veronika Chobanova, quen traballou xunto co investigador predoutoral John Wendel, a investigadora Juan de la Cierva Claire Prouvé e o investigador Oportunius Diego Martínez. Tamén colaborou no seu desenvolvemento o investigador da Universidade de Santiago de Compostela Ramón Ruiz. Todos forman parte do equipo internacional de máis dun milleiro de persoas investigadoras.
Intelixencia artificial para profundar nos segredos do universo
Este desenvolvemento demostra como a combinación de intelixencia artificial e física de altas enerxías pode potenciar o estudo de fenómenos fundamentais. Ao aumentar a cantidade e a calidade dos datos útiles, o algoritmo permite reducir os erros estatísticos e mellorar a precisión das medicións.
Ademais, co experimento LHCb xa na súa fase de Run 3, que xerará volumes de datos sen precedentes e contará con detectores actualizados, este algoritmo inclusivo perfílase como unha ferramenta clave para explorar os segredos da materia e do universo con maior precisión e sensibilidade.
