Una nueva tecnología de aprendizaje automático probada por un equipo internacional de científicos que incluye al profesor asistente del MIT Philip Harris y al postdoctorado Dylan Rankin, ambos del Laboratorio de Ciencias Nucleares, puede detectar firmas de partículas específicas entre un océano de datos del Gran Colisionador de Hadrones (LHC) en un abrir y cerrar de ojos.

Sofisticado y rápido, El nuevo sistema ofrece una idea del papel revolucionario que desempeñará el aprendizaje automático en los descubrimientos futuros de la física de partículas a medida que los conjuntos de datos se hacen más grandes y complejos.

El LHC genera unos 40 millones de colisiones por segundo. Con una gran cantidad de datos para analizar, se necesitan computadoras poderosas para identificar aquellas colisiones que pueden ser de interés para los científicos, ya sea, quizás, un toque de materia oscura o una partícula de Higgs.

Ahora, científicos en Fermilab, CERN, MIT, la Universidad de Washington, y en otros lugares han probado un sistema de aprendizaje automático que acelera el procesamiento de 30 a 175 veces en comparación con los métodos existentes.

Estos métodos actualmente procesan menos de una imagen por segundo. A diferencia de, el nuevo sistema de aprendizaje automático puede revisar hasta 600 imágenes por segundo. Durante su período de formación, el sistema aprendió a seleccionar un tipo específico de patrón de partículas posterior a la colisión.

"Los patrones de colisión que estamos identificando, quarks superiores, son una de las partículas fundamentales que sondeamos en el Gran Colisionador de Hadrones, "dice Harris, quien es miembro del Departamento de Física del MIT. "Es muy importante que analicemos tantos datos como sea posible. Cada dato contiene información interesante sobre cómo interactúan las partículas".

Esos datos llegarán como nunca antes después de que se completen las actualizaciones actuales del LHC; para 2026, Se espera que el acelerador de partículas de 17 millas produzca 20 veces más datos que en la actualidad. Para hacer las cosas aún más urgentes, las imágenes futuras también se tomarán con resoluciones más altas que las actuales. En todo, Los científicos e ingenieros estiman que el LHC necesitará más de 10 veces la potencia de cálculo que tiene actualmente.

"El desafío de correr en el futuro, "dice Harris, "se vuelve cada vez más difícil a medida que nuestros cálculos se vuelven más precisos y probamos efectos cada vez más precisos".

Los investigadores del proyecto entrenaron su nuevo sistema para identificar imágenes de quarks top, el tipo más masivo de partícula elemental, unas 180 veces más pesadas que un protón. "Con las arquitecturas de aprendizaje automático disponibles para nosotros, podemos obtener resultados de alta calidad científica, comparable a los mejores algoritmos de identificación de top-quark del mundo, "Explica Harris. La implementación de algoritmos centrales a alta velocidad nos da la flexibilidad para mejorar la computación LHC en los momentos críticos donde más se necesita".

Esta historia se vuelve a publicar por cortesía de MIT News (web.mit.edu/newsoffice/), un sitio popular que cubre noticias sobre la investigación del MIT, innovación y docencia.