Redes neurais no colisor: IA procura física que não pedimos

Imagine que você construiu o aparelho mais caro e complexo da história da humanidade — um anel de 27 quilômetros na fronteira entre França e Suíça — e ele insiste em confirmar apenas o que você sabe há cinquenta anos. É exatamente a situação em que os físicos se viram com o Grande Colisor de Hádrons. O Modelo Padrão, que descreve como nosso mundo funciona, mostrou-se assustadoramente preciso.

Ele prevê as propriedades das partículas com precisão até partes por trilhão, mas deixa as principais perguntas sem resposta: o que é matéria escura, para onde foi a antimatéria e por que os neutrinos têm massa? É como se estivéssemos presos em uma sala perfeitamente limpa, onde tudo está arrumado nas prateleiras, mas sabemos com certeza que por trás da parede há um inteiro armazém de coisas não estudadas.

Por muito tempo, os cientistas procuravam por coisas específicas. Por exemplo, supersimetria — uma teoria que prometia um zoológico inteiro de novas partículas pesadas. Quando o LHC foi iniciado em 2008, jovens pós-graduandos estavam certos de que a supersimetria literalmente "saltaria na cara deles" no primeiro ano de operação. Dezoito anos se passaram, e o entusiasmo desapareceu. Procuramos pelo que esperávamos encontrar e não encontramos nada. Agora a física de partículas está seguindo um caminho diferente, onde em vez da intuição humana e teorias preconcebidas, a inteligência artificial entra em cena — IA treinada para procurar por "apenas algo estranho".

A ferramenta-chave aqui é o aprendizado não supervisionado, especificamente autocodificadores. Na indústria, eles são usados para detectar ataques de hackers: uma rede neural estuda o tráfego normal, o comprime e tenta reconstruí-lo. Se o tráfego muda repentinamente, o algoritmo não consegue reconstruí-lo corretamente e dispara um alarme. Os físicos decidiram: vamos substituir os computadores da rede por partículas elementares. Alimentamos a IA com dados sobre colisões típicas, e quando algo voa através do detector que a rede neural não consegue "reconhecer" e comprimir, ela marca como anomalia. Isso nos permite procurar física além do Modelo Padrão sem nem mesmo ter uma ideia aproximada do que deveria parecer.

O problema é que há muitos dados. O colisor produz 40 milhões de colisões por segundo. É impossível salvar um volume tão grande de informações — os discos simplesmente queimam. Então as decisões sobre o que manter e o que descartar devem ser tomadas instantaneamente. Aqui entra o "hardware". Cientistas do MIT e do Fermilab aprenderam a empacotar redes neurais em chips FPGA (arranjos de portas programáveis em campo). Esses sistemas analisam eventos em 80 nanossegundos. Isso é mais rápido do que o cérebro humano consegue ficar ciente de um brilho de luz. Estamos literalmente criando um "gênio digital" que vê o mundo de forma diferente e filtra a realidade em busca de rachaduras na teia do universo.

Mas mesmo o algoritmo mais inteligente é um risco. Na história da física, já houve casos de "Oops-Leon" (descobertas falsas), quando flutuações estatísticas foram confundidas com novas partículas. Os físicos são um povo cauteloso: para reclamar uma descoberta, a probabilidade de erro deve ser menor que uma em 3,5 milhões. A IA pode encontrar uma anomalia que se mostre ser apenas ruído no detector ou um cabo mal conectado. Então a rede neural aqui não substitui o físico, mas trabalha como um batedor. Ela diz: "Ei, dê uma olhada nesse canto, algo estranho está acontecendo aí". E então a pessoa com lápis e giz tem que decidir se é um Prêmio Nobel ou apenas um sensor defeituoso.

À nossa frente está o projeto DUNE — um detector gigante de neutrinos que capturará partículas-fantasma voando através de 1.300 quilômetros de rocha. Lá a IA filtrará 5 terabytes de dados por segundo procurando por rastros de supernovas ou decaimento de prótons. Finalmente admitimos que nossas teorias podem ser óculos que não apenas nos ajudam a ver, mas também nos cegam, escondendo cores que não estamos acostumados. Talvez a próxima grande verdade sobre o Universo seja descoberta não por um novo Einstein, mas por um algoritmo que simplesmente não foi informado de que procurar por partículas "impossíveis" não é feito.

Conclusão-chave: A física está mudando de testar teorias para caça de anomalias baseada em máquinas. Se o Modelo Padrão cair, provavelmente será sob o ataque de algoritmos funcionando em velocidades de nanossegundo.