La Universidad de Oviedo aplica la inteligencia artificial en la búsqueda de materia oscura

Un equipo de la Universidad de Oviedo ha aplicado por primera vez la inteligencia artificial en la búsqueda de materia oscura. La ciencia desconoce de qué está hecha pero su naturaleza podría explicarse por las partículas supersimétricas. En ellas se ha basado el trabajo de la institución académica, publicado en portada de la revista «CERN Courier».

El Grupo de Física de Altas Energías del Instituto Universitario de Ciencias y Tecnologías Espaciales de Asturias (ICTEA) aborda en su investigación la localización de partículas supersimétricas o nuevas superpartículas con inteligencia artificial o aprendizaje profundo. De hecho, la materia oscura supone una cuarta parte de la que conforma el universo y es cinco veces más abundante que la materia ordinaria.

Carlos Erice Cid, Enrique Palencia Cortezón y Santiago Folgueras Gómez lideran un trabajo basado en técnicas de aprendizaje profundo para mejorar enormemente los resultados previos obre los datos recogidos en un experimento en el Gran Colisionador de Hadrones (LHC).

En Física, la explicación del comportamiento de los constituyentes más pequeños se realiza a través una teoría denominada el modelo estándar. A pesar de proporcionar las predicciones más precisas de las interacciones fundamentales, hay algunas características del universo que no es capaz de revelar. Una de ellas es la composición de la materia oscura.

La dificultad estriba en que hay una bajísima probabilidad de que se produzcan en las colisiones entre protones del LHC, así como en que, una vez producidas, se escapan sin ser vistas por el detector debido a su escasa capacidad de interacción. Hay que inferir su presencia estudiando el resto de las partículas producidas en la colisión, entre los miles de millones de colisiones que producen en el LHC.

Los científicos asturianos han diseñado una estrategia que usa redes neuronales paramétricas entrenadas para identificar la presencia de dos tipos de partículas supersimétricas muy relevantes («charginos» y «neutralinos»).

En el entrenamiento, han usado un amplio rango de valores para las masas desconocidas de las superpartículas. Con este método se consigue el resultado más potente de CMS en la búsqueda de charginos y neutralinos. La sensibilidad a la presencia de nuevas partículas supersimétricas se incrementa entre un 30 % y un 100 %. Aún más en algunas regiones de masas especialmente complicadas para los análisis de datos tradicionales.

El Grupo de Física Experimental de Altas Energías, dirigido por Javier Cuevas Maestro, forma parte también del y del Departamento de Física de la Universidad de Oviedo. El Grupo cuenta con una experiencia de más de 25 años en Física de Partículas, en particular en experimentos del Laboratorio Europeo de Física de Partículas del CERN.