La inteligencia artificial entra en la física nuclear para mejorar la identificación de partículas

La Universidad de Huelva ha puesto en marcha una investigación que utiliza inteligencia artificial para resolver uno de los desafíos de la física nuclear experimental: reconocer con mayor precisión las partículas generadas en las reacciones nucleares. El proyecto LORRAINE, liderado por el catedrático José Antonio Dueñas Díaz, desarrolla algoritmos basados en redes neuronales para mejorar el análisis de partículas de baja energía, especialmente difíciles de identificar por la debilidad de las señales que producen.

La iniciativa, denominada Low Energy Particle Identification using Neural Networks e integrada en el proyecto PID2024-160773NB-C22, tendrá una duración de tres años. Junto a Dueñas participan Patricio Salmerón, catedrático de Ingeniería Eléctrica, y Juan Luis Flores, profesor colaborador de la Onubense. El objetivo es combinar los métodos clásicos de análisis de señales con técnicas avanzadas de aprendizaje automático.

En una reacción nuclear, las partículas aceleradas chocan contra un material y generan fragmentos que son registrados por detectores especializados. Las señales eléctricas resultantes contienen información sobre la naturaleza, la energía o la masa de cada partícula. El problema surge cuando esas partículas tienen baja energía: las señales son más débiles y su interpretación se vuelve mucho más compleja.

"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", explica Dueñas. El reto, añade, es "interpretar correctamente esa señal para saber exactamente qué partícula la ha producido".

Hasta ahora, la identificación se ha apoyado en algoritmos matemáticos complejos. Sin embargo, la creciente sofisticación de los experimentos y de los sistemas de detección ha impulsado la incorporación de nuevas herramientas. LORRAINE apuesta por redes neuronales profundas, capaces de reconocer patrones que pueden pasar desapercibidos para los métodos tradicionales.

Estas redes neuronales, uno de los pilares de la inteligencia artificial actual, aprenden a distinguir señales muy similares tras ser entrenadas con miles de ejemplos. Una vez preparadas, pueden analizar grandes volúmenes de datos casi en tiempo real, una ventaja decisiva en instalaciones donde se registran millones de eventos experimentales.

Los desarrollos del equipo onubense se aplican al análisis de datos procedentes de grandes infraestructuras internacionales de investigación, entre ellas el CERN, el laboratorio GANIL, en Francia; los Laboratorios Nacionales de Legnaro, en Italia; y el acelerador TRIUMF, en Canadá. El proyecto se integra además en la colaboración internacional ACTAR, dedicada al desarrollo de instrumentación para experimentos de física nuclear.

La aportación de la Universidad de Huelva se centra en el diseño de los algoritmos y en la caracterización de detectores de silicio y otros dispositivos de instrumentación científica. "Aquí aportamos conocimiento especializado, personal investigador e instrumentación que nos permite caracterizar los detectores antes de utilizarlos en los aceleradores de partículas; después analizamos los datos obtenidos en los experimentos para mejorar la identificación de las partículas", señala Dueñas.

Aunque se trata de investigación básica, sus resultados podrían tener impacto en otros ámbitos científicos y tecnológicos. Una identificación más precisa de partículas puede favorecer avances en instrumentación, medicina nuclear —como el PET-TAC, la dosimetría o la protonterapia—, ciencia de materiales e investigación energética.

El proyecto también servirá como espacio de formación para estudiantes e investigadores, que podrán participar en trabajos de laboratorio, proyectos de fin de grado y máster y, en algunos casos, en campañas experimentales desarrolladas en grandes laboratorios internacionales.

La investigación se inscribe en una tendencia creciente dentro de la física experimental: el uso de inteligencia artificial para interpretar cantidades masivas de datos. "La inteligencia artificial no va a cambiar los laboratorios, que seguirán dependiendo de la mejor instrumentación posible, pero sí está revolucionando la forma en que analizamos los datos. Estamos todavía en el comienzo de esa transformación y su impacto será enorme en los próximos años", concluye Dueñas.