Personal investigador del CITENI mejora el estudio de la física de partículas del CERN con redes neuronales
Personal investigador del CITENI mejora el estudio de la física de partículas del CERN con redes neuronales
El grupo de Física y Tecnología Nuclear y de Altas Energías (FiTNAE) del Centro de Investigación en Tecnologías Navales e Industriales (CITENI), en el Campus Industrial de Ferrol de la Universidade da Coruña (UDC), lidera el desarrollo de un algoritmo basado en redes neuronales que mejora la identificación del “sabor” de los mesones B en el experimento LHCb del CERN. El trabajo, publicado en Journal of High Energy Physics y destacado en CERN Courier, permite estudiar con mayor precisión fenómenos fundamentales que ayudan a entender el porqué de la asimetría entre la materia y la antimateria en el universo.
Ferrol, 16 de diciembre de 2025.- El LHCb, uno de los detectores del gran colisionador de hadrones (LHC) del CERN en Suiza, produce colisiones de protones a altísimas energías. Estas colisiones generan partículas inestables que contienen quarks pesados, cuya desintegración permite estudiar fenómenos de física fundamental que ayudan a explicar por qué el universo está formado principalmente por materia y casi no contiene antimateria.
El equipo del experimento, gracias a un estudio liderado por personal investigador del CITENI, en el Campus Industrial de Ferrol, ha desarrollado un algoritmo inclusivo basado en redes neuronales profundas (DeepSets) que analiza todas las partículas de cada colisión, lo que permite reconstruir de manera más completa el origen de cada mesón B.
Los quarks: la materia prima del universo
Pero, ¿qué es exactamente un mesón B y por qué es importante? Para explicarlo tenemos que acercarnos a las partículas más básicas y elementales que constituyen la materia: los quarks. Hay seis tipos (up, down, charm, strange, top y bottom) y se combinan entre sí para formar otras partículas compuestas llamadas hadrones. Los mesones B son un tipo de hadrón formado por un quark bottom y otro quark más ligero. Algunos mesones B, como B⁰ y Bₛ⁰, que son neutros, pueden transformarse en su antipartícula y luego volver a su estado inicial, en un proceso llamado oscilación. Determinar el “sabor” de un mesón, es decir, el tipo de quark que contenía en su estado inicial, es esencial para medir estas oscilaciones y estudiar la violación de la simetría de carga-paridad (CP), un fenómeno que explica la predominancia de la materia sobre la antimateria en el universo.
Reconstruyendo lo invisible
Conocer el sabor original de un mesón B es complejo, ya que se forma en un entorno caótico lleno de partículas generadas en la colisión de protones. Hasta ahora, en el experimento LHCb se utilizaban dos técnicas principales: la identificación por el lado opuesto (Opposite Side, OS), en la que se analiza el otro quark generado en la misma colisión para deducir el sabor del mesón B; y la identificación por el mismo lado (Same Side, SS), en la que se estudian las partículas que acompañan al mesón, que dejan pistas sobre su sabor inicial. Ambos métodos aprovechan solo parte de la información disponible, lo que limita la cantidad y la calidad de los datos útiles.
Inteligencia artificial al rescate
Ahora, gracias a esta investigación que considera toda la información del evento de manera global, se mejora tanto la fracción de mesones correctamente etiquetados (flavor tagging) como la fiabilidad de cada etiqueta. Entrenado y calibrado con desintegraciones conocidas de mesones B neutros como B⁰ y Bₛ⁰, el algoritmo ha logrado un 35 % más de poder de etiquetado para B⁰ y un 20 % más para Bₛ⁰, en comparación con las técnicas tradicionales descritas anteriormente. Esta mejora equivale a disponer de muchos más datos efectivos por colisión, lo que incrementa la precisión de los análisis y la capacidad del experimento LHCb para explorar posibles desviaciones del modelo estándar.
Publicaciones y colaboración internacional
La investigación coordinada por el grupo FiTNAE de la UDC fue dirigida por la investigadora Ramón y Cajal e InTalent Veronika Chobanova, quien trabajó junto con el investigador predoctoral John Wendel, la investigadora Juan de la Cierva Claire Prouvé y el investigador Oportunius Diego Martínez. También colaboró en su desarrollo el investigador de la Universidade de Santiago de Compostela Ramón Ruiz. Forman parte del equipo internacional de más de un millar de personas investigadoras que firman el artículo científico resultante, titulado “Inclusive B-meson flavour-tagging algorithm at LHCb”, publicado en Journal of High Energy Physics (Springer Nature). El grupo también ha participado en la versión divulgativa del trabajo publicada en CERN Courier, en colaboración con el Instituto Lemarr y la Universidad Técnica de Dortmund.
Inteligencia artificial para profundizar en los secretos del universo
Este desarrollo demuestra cómo la combinación de inteligencia artificial y física de altas energías puede potenciar el estudio de fenómenos fundamentales. Al aumentar la cantidad y la calidad de los datos útiles, el algoritmo permite reducir los errores estadísticos y mejorar la precisión de las mediciones.
Además, con el experimento LHCb ya en su fase de Run 3, que generará volúmenes de datos sin precedentes y contará con detectores actualizados, este algoritmo inclusivo se perfila como una herramienta clave para explorar los secretos de la materia y del universo con mayor precisión y sensibilidad.
Referencias:
Neural networks boost B-tagging A report from the LHCb experiment
https://cerncourier.com/a/neural-networks-boost-b-tagging/
The LHCb collaboration., Aaij, R., Abdelmotteleb, A.S.W. et al. Inclusive B-meson flavour-tagging algorithm at LHCb. J. High Energ. Phys. 2025, 41 (2025). https://doi.org/10.1007/JHEP11(2025)041
