Redes neuronales en el colisionador: la IA busca una física que no encargamos

Imagine que ha construido el instrumento más caro y complejo de la historia de la humanidad, un anillo de 27 kilómetros bajo la frontera entre Francia y Suiza, y que este se empeña en confirmar solo lo que ya sabía hace cincuenta años. Esa es la situación de los físicos del Gran Colisionador de Hadrones. El Modelo Estándar, que describe cómo está construido nuestro mundo, ha resultado ser asombrosamente preciso.

Predice las propiedades de las partículas con una exactitud de billonésimas, pero deja sin respuesta las grandes preguntas: qué es la materia oscura, adónde fue la antimateria y por qué los neutrinos tienen masa. Es como si estuviéramos atrapados en una habitación impecable donde todo está ordenado en su estante, pero sabemos con certeza que tras la pared hay un almacén entero de trastos sin explorar.

Durante mucho tiempo, los científicos buscaron cosas concretas. Por ejemplo, la supersimetría, una teoría que prometía un zoo entero de nuevas partículas pesadas. Cuando se puso en marcha el LHC en 2008, los jóvenes doctorandos estaban seguros de que la supersimetría les «saltaría a la cara» durante el primer año. Han pasado dieciocho años y el entusiasmo se ha enfriado. Buscamos lo que esperábamos ver y no encontramos nada. Ahora la física de partículas toma otro camino, en el que una inteligencia artificial entrenada para buscar «simplemente algo raro» sustituye a la intuición humana y a las teorías preconcebidas.

La herramienta clave es el aprendizaje no supervisado, en particular los autoencoders. En la industria se usan para detectar ataques de hackers: la red neuronal estudia el tráfico normal, lo comprime e intenta reconstruirlo. Si el tráfico cambia de repente, el algoritmo no logra reconstruirlo bien y da la alarma. Los físicos pensaron: sustituyamos los ordenadores de la red por partículas elementales. Alimentamos a la IA con datos de colisiones típicas y, cuando por el detector pasa algo que la red no puede «reconocer» ni comprimir, lo marca como anomalía. Así se puede buscar física más allá del Modelo Estándar sin tener siquiera una idea aproximada de cómo debería ser.

El problema es que hay demasiados datos. El colisionador produce 40 millones de colisiones por segundo. Almacenar semejante volumen de información es imposible: los discos se quemarían. Por eso las decisiones sobre qué conservar y qué descartar deben tomarse al instante. Aquí entra en escena el hardware. Científicos del MIT y de Fermilab han aprendido a empaquetar redes neuronales en chips FPGA (circuitos integrados lógicos programables). Estos sistemas analizan los eventos en 80 nanosegundos, más rápido de lo que el cerebro humano tarda en percibir un destello de luz. Estamos creando literalmente un «genio digital» que ve el mundo de otra manera y filtra la realidad en busca de grietas en el universo.

Pero incluso el algoritmo más listo supone un riesgo. La historia de la física ya conoce casos de «Oops-Leon» (falsos descubrimientos), en los que fluctuaciones estadísticas se confundieron con nuevas partículas. Los físicos son cautelosos: para anunciar un descubrimiento, la probabilidad de error debe ser inferior a una entre 3,5 millones. La IA puede encontrar una anomalía que resulte ser solo ruido en el detector o un cable mal conectado. Por eso la red neuronal no sustituye al físico, sino que actúa como explorador. Dice: «Eh, mira en este rincón, está pasando algo raro». Y luego un humano con lápiz y tiza debe decidir si es un Nobel o solo un sensor defectuoso.

El futuro trae el proyecto DUNE, un gigantesco detector de neutrinos que atrapará partículas fantasma que atraviesan 1300 kilómetros de roca. Allí la IA examinará 5 terabytes de datos por segundo en busca de rastros de supernovas o de desintegración del protón. Por fin hemos admitido que nuestras teorías pueden ser unas gafas que no solo ayudan a ver, sino que también nos ciegan, ocultando colores a los que no estamos acostumbrados. Quizá la próxima gran verdad sobre el Universo no la descubra un nuevo Einstein, sino un algoritmo al que simplemente se le olvidó decir que buscar partículas «imposibles» no está bien visto.

Lo esencial: la física pasa de comprobar teorías a buscar anomalías con máquinas. Si el Modelo Estándar cae, lo más probable es que lo haga bajo los golpes de algoritmos que operan a velocidades de nanosegundos.