Aplican la inteligencia artificial en la identificación de partículas en física nuclear

La Universidad de Huelva (UHU) ha puesto en marcha una nueva línea de investigación que combina física nuclear experimental, electrónica e inteligencia artificial para afrontar el reto de identificar con mayor precisión las partículas generadas durante las reacciones nucleares.

En un comunicado, la Universidad ha informado de que se trata del Lorraine (Low Energy Particle Identification using Neural Networks), es decir, ‘Identificación de partículas de bajas energías usando redes neuronales’, que se desarrolla con un equipo liderado por José Antonio Dueñas Díaz, catedrático de Ingeniería Eléctrica de la Escuela Técnica Superior de Ingeniería (ETSI) e investigador principal (IP), que desarrolla algoritmos avanzados basados en redes neuronales capaces de mejorar el análisis de partículas de baja energía.

El proyecto, con una duración de tres años, lo integran además los investigadores Patricio Salmerón, catedrático de Ingeniería Eléctrica, y Juan Luis Flores, profesor colaborador de la Onubense.

Su finalidad es combinar los métodos clásicos de análisis de señales con las técnicas más avanzadas de aprendizaje automático para incrementar la capacidad de identificación de partículas en experimentos desarrollados en algunos de los principales aceleradores de partículas internacionales.

Recuerda la Universidad que cuando se produce una reacción nuclear (resultado de la colisión de partículas aceleradas contra un determinado material) se generan nuevos fragmentos que son detectados mediante sofisticados sistemas electrónicos, y la información contenida en las señales eléctricas que producen estos detectores permite conocer la naturaleza de cada partícula, su energía o su masa.

La física nuclear

Sin embargo, cuando las partículas poseen bajas energías, esas señales son mucho más débiles y difíciles de interpretar, señala el investigador principal.

"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”, detalla Dueñas, que afirma que el reto es “interpretar correctamente esa señal para saber exactamente qué partícula la ha producido".

Tradicionalmente, esta identificación se ha realizado mediante complejos algoritmos matemáticos, pero el incremento de la complejidad de los experimentos y la aparición de nuevas tecnologías de detección han impulsado la búsqueda de soluciones más eficientes.

En este contexto, el proyecto Lorraine apuesta por incorporar técnicas de inteligencia artificial basadas en redes neuronales profundas (Deep Neural Networks), capaces de aprender a reconocer patrones complejos y mejorar tanto la rapidez como la precisión del análisis.

Las redes neuronales, pilar básico de la inteligencia artificial moderna, “aprenden por sí solas a reconocer patrones que, mediante métodos tradicionales, pueden pasar desapercibidos”.

Ese aprendizaje, explica el investigador, “permite identificar partículas con mayor rapidez y precisión y detectar efectos que, de otra forma, resultarían muy difíciles de observar".

Los desarrollos del equipo de la Universidad de Huelva se aplican al análisis de datos obtenidos en grandes infraestructuras internacionales de investigación, entre ellas el CERN, el laboratorio GANIL (Francia), los Laboratorios Nacionales de Legnaro (Italia) o el acelerador TRIUMF (Canadá).

El proyecto se integra además en la colaboración internacional ACTAR, dedicada al desarrollo de instrumentación para experimentos de física nuclear.