Redes neurais no colisor: a IA procura uma física que não encomendamos

Imagine que você construiu o instrumento mais caro e complexo da história da humanidade, um anel de 27 quilômetros sob a fronteira entre França e Suíça, e ele insiste em confirmar apenas o que você já sabia há cinquenta anos. É exatamente nessa situação que estão os físicos do Grande Colisor de Hádrons. O Modelo Padrão, que descreve como o nosso mundo é construído, mostrou-se assustadoramente preciso.

Ele prevê as propriedades das partículas com precisão de trilionésimos, mas deixa sem resposta as principais perguntas: o que é a matéria escura, para onde foi a antimatéria e por que os neutrinos têm massa. É como se estivéssemos presos numa sala impecável, com tudo arrumado nas prateleiras, mas soubéssemos com certeza que, atrás da parede, há um depósito inteiro de tralha inexplorada.

Por muito tempo, os cientistas procuraram coisas específicas. Por exemplo, a supersimetria, uma teoria que prometia um zoológico inteiro de novas partículas pesadas. Quando o LHC foi ligado, em 2008, os jovens doutorandos tinham certeza de que a supersimetria "pularia na cara deles" já no primeiro ano. Passaram-se dezoito anos, e o entusiasmo esfriou. Procuramos o que esperávamos ver e não achamos nada. Agora a física de partículas segue outro caminho, em que uma inteligência artificial treinada para buscar "simplesmente algo estranho" substitui a intuição humana e as teorias preconcebidas.

A ferramenta-chave aqui é o aprendizado não supervisionado, em especial os autoencoders. Na indústria, eles servem para detectar ataques de hackers: a rede neural estuda o tráfego normal, comprime esse tráfego e tenta reconstruí-lo. Se o tráfego muda de repente, o algoritmo não consegue reconstruí-lo corretamente e dispara o alarme. Os físicos pensaram: vamos trocar os computadores da rede por partículas elementares. Alimentamos a IA com dados de colisões típicas e, quando algo que a rede não consegue "reconhecer" e comprimir passa pelo detector, ela o marca como anomalia. Isso permite buscar física além do Modelo Padrão sem ter sequer uma ideia aproximada de como ela deveria ser.

O problema é que há dados demais. O colisor produz 40 milhões de colisões por segundo. Armazenar esse volume de informação é impossível: os discos simplesmente queimariam. Por isso, as decisões sobre o que guardar e o que descartar precisam ser tomadas instantaneamente. É aí que entra o hardware. Cientistas do MIT e do Fermilab aprenderam a embalar redes neurais em chips FPGA (circuitos integrados lógicos programáveis). Esses sistemas analisam os eventos em 80 nanossegundos, mais rápido do que o cérebro humano leva para perceber um clarão de luz. Estamos literalmente criando um "gênio digital" que enxerga o mundo de outro jeito e filtra a realidade em busca de rachaduras no universo.

Mas até o algoritmo mais inteligente é um risco. A história da física já registra casos de "Oops-Leon" (falsas descobertas), em que flutuações estatísticas foram tomadas por novas partículas. Físicos são cautelosos: para anunciar uma descoberta, a probabilidade de erro precisa ser menor que uma em 3,5 milhões. A IA pode encontrar uma anomalia que acabe sendo só ruído no detector ou um cabo mal conectado. Por isso, a rede neural não substitui o físico, e sim atua como batedora. Ela diz: "Ei, olhe este canto, tem algo estranho acontecendo". Depois, um humano com lápis e giz precisa decidir se é um Nobel ou apenas um sensor com defeito.

Pela frente vem o projeto DUNE, um gigantesco detector de neutrinos que vai capturar partículas fantasmas atravessando 1300 quilômetros de rocha. Lá, a IA vai peneirar 5 terabytes de dados por segundo em busca de vestígios de supernovas ou do decaimento do próton. Finalmente admitimos que nossas teorias podem ser óculos que não só ajudam a ver, mas também nos cegam, escondendo cores às quais não estamos acostumados. Talvez a próxima grande verdade sobre o Universo seja descoberta não por um novo Einstein, mas por um algoritmo a quem simplesmente esqueceram de dizer que procurar partículas "impossíveis" não é de bom tom.

O principal: a física passa de testar teorias para caçar anomalias com máquinas. Se o Modelo Padrão cair, muito provavelmente será sob os golpes de algoritmos que operam em velocidades de nanossegundos.