Lorentz-Equivariance without Limitations

En el mundo de alta energía de la física de partículas, los científicos hacen chocar protones a casi la velocidad de la luz para recrear las condiciones del universo temprano. Los escombros resultantes son una lluvia caótica de nuevas partículas, registradas por enormes detectores como una nube de puntos en el espacio y el tiempo. Para dar sentido a este caos, los investigadores se apoyan en las leyes de la relatividad especial, que establecen que las reglas fundamentales de la física no cambian independientemente de cómo se mueva un observador o de dónde se encuentre. Este principio, conocido como invariancia de Lorentz, significa que el comportamiento de una partícula se ve igual ya sea visto desde un laboratorio estacionario o desde una nave espacial que pasa zumbando a gran velocidad. Sin embargo, cuando los científicos utilizan inteligencia artificial para analizar estas colisiones de partículas, se enfrentan a un problema difícil: los programas informáticos estándar no comprenden de forma natural estas reglas de movimiento. A menudo tratan los datos como si fueran una imagen estática, perdiendo las profundas relaciones geométricas que gobiernan cómo interactúan las partículas. Esta limitación obliga a los investigadores a construir modelos informáticos muy específicos y rígidos que son difíciles de adaptar, o a utilizar cantidades masivas de potencia de cálculo para enseñar a un modelo estándar a adivinar las reglas mediante ensayo y error.

Un equipo de físicos y científicos de la computación ha desarrollado un nuevo método llamado Canonicalización Local de Lorentz, o LLoCa, que resuelve este problema dotando a cualquier red neuronal de un entendimiento intrínseco de la relatividad sin ralentizarla. En lugar de obligar al ordenador a aprender las reglas del movimiento desde cero, este método enseña a la red a crear un marco de referencia personal y móvil para cada una de las partículas que ve. Imagine una partícula como un viajero que lleva su propio mapa; la red predice este mapa para cada partícula, permitiendo al ordenador traducir todos los complejos datos en movimiento a un lenguaje local sencillo donde las leyes de la física son fáciles de leer. Una vez que los datos se han traducido a estos marcos locales, la red puede procesarlos utilizando cualquier arquitectura estándar y flexible. Después de realizar el cálculo, la red traduce los resultados de vuelta a la visión global del detector. Este enfoque permite que el ordenador respete las simetrías fundamentales del universo mientras permanece rápido y adaptable a diferentes tipos de problemas de física.

Los investigadores probaron este nuevo marco en tres desafíos distintos que son centrales en la física de partículas moderna: predecir la fuerza de las interacciones de las partículas, generar simulaciones realistas de colisiones de partículas e identificar tipos específicos de partículas ocultas entre los escombros. En la primera prueba, pidieron a la red que predijera la probabilidad de un evento de dispersión específico que involucraba un bosón Z y hasta cuatro gluones. Descubrieron que, al añadir este sistema de marco de referencia local a las redes neuronales estándar, las predicciones eran significativamente más precisas que las realizadas por modelos no relativistas, y coincidían con el rendimiento de modelos especializados mucho más complejos. Crucialmente, el nuevo método alcanzó esta alta precisión con mucho menos esfuerzo computacional, funcionando cuatro veces más rápido que los modelos de vanguardia anteriores diseñados específicamente para esta tarea.

En la segunda aplicación, el equipo utilizó el método para generar nuevos eventos de colisión de partículas desde cero. Esta es una tarea vital para simular lo que los detectores deberían ver, pero es notoriamente difícil porque el ordenador debe aprender un paisaje complejo y multidimensional de posibilidades. Los investigadores descubrieron que, para este trabajo específico, la red no necesitaba ser perfectamente simétrica en todas las direcciones. En su lugar, funcionaba mejor cuando se le permitía romper algunas de las estrictas reglas de simetría para coincidir con la geometría específica del detector de partículas, que tiene una dirección preferente a lo largo de la línea del haz. Al permitir que la red aprendiera a respetar solo las simetrías que realmente existen en los datos del detector, lograron los mejores resultados posibles. Este hallazgo desafía la idea de que un modelo informático debe ser siempre perfectamente simétrico para ser eficaz; a veces, saber dónde se rompe la simetría es tan importante como la simetría misma.

La prueba final y más extensa consistió en el etiquetado de jets (jet tagging), un proceso en el que los ordenadores deben distinguir entre jets de partículas causados por quarks top pesados y aquellos causados por el ruido de fondo ordinario. Esta es una habilidad crítica para encontrar nueva física, ya que los quarks top se producen a menudo en eventos raros e interesantes. El equipo aplicó su método a varias arquitecturas de redes de alto rendimiento ya establecidas, actualizándolas para que fueran relativistas. Crearon un nuevo conjunto de datos masivo que contenía 135 millones de eventos simulados para entrenar estos modelos, mucho más grande que cualquier conjunto de datos utilizado anteriormente para esta tarea específica. A esta gran escala, las redes actualizadas superaron a sus contrapartes no relativistas y igualaron el rendimiento de los modelos especializados más avanzados. Los resultados demostraron que, si bien el nuevo método funciona bien con conjuntos de datos pequeños, su verdadero poder se revela cuando la cantidad de datos es grande, permitiendo a la red aprovechar las leyes de la física para aprender de manera más eficiente.

Un conocimiento clave del estudio se refiere a cómo la red gestiona la simetría de los datos. Los investigadores descubrieron que, para algunas tareas, como la generación de eventos, es suficiente con que la red respete solo la simetría residual del detector. Sin embargo, para la identificación de partículas en jets, el mejor rendimiento provino de un enfoque híbrido. Se permitió a la red utilizar todo el poder de la simetría relativista en sus cálculos internos, pero también se le proporcionaron puntos de referencia específicos, como la dirección del haz de partículas, como entrada adicional. Esto permitió a la red decidir por sí misma cuándo usar la simetría completa y cuándo confiar en la geometría específica del detector. Esta flexibilidad resultó ser la estrategia más eficaz, permitiendo al modelo alcanzar la mayor precisión sin estar constreñido por reglas rígidas que podrían no aplicarse a cada parte de los datos.

El estudio también demostró que este nuevo marco no se limita a un tipo de red neuronal. Los investigadores aplicaron con éxito el método tanto a redes de grafos, que tratan las partículas como nodos conectados, como a transformadores (transformers), que son modelos potílicos utilizados a menudo en el procesamiento del lenguaje. En cada caso, el método actuó como una actualización universal, tomando una red existente y haciéndola relativista con solo un incremento mínimo en el número de parámetros ajustables. El coste computacional de esta actualización fue mínimo, añadiendo solo alrededor del uno por ciento al número total de parámetros y requiriendo un tiempo adicional insignificante. Esto sugiere que el método puede ser adoptado fácilmente por la comunidad científica de física para mejorar las herramientas existentes sin necesidad de reescribir sistemas de software enteros desde cero.

Al proporcionar una forma de integrar las simetrías fundamentales del universo en los modelos de aprendizaje automático con una sobrecarga mínima, este trabajo elimina una barrera importante para el progreso en la física de partículas. Permite a los investigadores utilizar las arquitecturas de redes neuronales más potentes y flexibles disponibles hoy en día asegurando que respeten las leyes de la naturaleza. La capacidad de generar mejores simulaciones, predecir las fuerzas de interacción con mayor exactitud e identificar partículas raras con mayor confianza abre nuevas puertas para el análisis de las vastas cantidades de datos que se esperan de los futuros colisionadores de partículas. Los investigadores han puesto su código y sus conjuntos de datos a disposición del público, invitando a otros a probar y perfeccionar estas herramientas, asegurando que la próxima generación de descubrimientos en la física de partículas pueda construirse sobre una base tanto de datos como de un profundo entendimiento físico.