⚛️ high-energy experiments

HEPTAPOD: Orchestrating High Energy Physics Workflows Towards Autonomous Agency

Este artículo presenta HEPTAPOD, un marco de orquestación que integra modelos de lenguaje de gran tamaño en flujos de trabajo de física de altas energías para permitir la ejecución autónoma de tareas de múltiples pasos a través de cálculos teóricos, simulaciones y análisis de datos, manteniendo al mismo tiempo la transparencia, la reproducibilidad y la supervisión humana.

Autores originales: Tony Menzo, Alexander Roman, Sergei Gleyzer, Konstantin Matchev, George T. Fleming, Stefan Höche, Stephen Mrenna, Prasanth Shyamsundar

Publicado 2026-07-21

📖 4 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Tony Menzo, Alexander Roman, Sergei Gleyzer, Konstantin Matchev, George T. Fleming, Stefan Höche, Stephen Mrenna, Prasanth Shyamsundar

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que el universo es un rompecabezas gigante e invisible hecho de piezas diminutas e invisibles. Los científicos que estudian estas piezas se llaman físicos de altas energías, y trabajan en un campo conocido como Física de Altas Energías (HEP, por sus siglas en inglés). Para resolver el rompecabezas, no se limitan a mirar rocas o estrellas; chocan partículas entre sí a casi la velocidad de la luz utilizando máquinas masivas llamadas colisionadores. Pero como no pueden ver las piezas directamente, tienen que construir simulaciones computacionales gigantes y complejas para adivinar qué sucede cuando estas partículas chocan. Estas simulaciones son como un libro de recetas digitales: mezclas ingredientes específicos (modelos teóricos), cocinas de una manera específica (cálculos matemáticos) y ves qué plato obtienes (los datos).

El problema es que cocinar estos platos digitales es increíblemente difícil. Requiere una larga cadena de diferentes programas informáticos, cada uno hablando un lenguaje ligeramente distinto. Un científico tiene que decirle manualmente al primer programa que cree un modelo, luego copiar los resultados al segundo programa para simular el choque, luego mover esos resultados a un tercer programa para ver cómo lucen las partículas después del choque, y así sucesivamente. Si un paso sale mal, toda la cadena se rompe y el científico tiene que empezar de nuevo. Recientemente, un nuevo tipo de cerebro informático llamado Modelo de Lenguaje Extenso (LLM) se ha vuelto muy bueno leyendo y escribiendo código. La gente empezó a preguntarse: "¿Podemos enseñar a estos cerebros de IA a ser el chef principal, gestionando automáticamente toda esta cadena de cocina por nosotros?". Esta es la gran pregunta que aborda el artículo.

El artículo presenta un nuevo sistema llamado HEPTAPOD (que significa Kit de Herramientas de HEP para la Planificación Agéntica, Orquestación y Despliegue). Piensa en HEPTAPOD como un sous-chef súper inteligente y altamente organizado que se sienta entre el científico humano y la desordenada cocina de los programas informáticos. En lugar de dejar que la IA simplemente adivine qué escribir (lo que a menudo conduce a errores), HEPTAPOD le otorga a la IA un conjunto de "herramientas" estrictas y preaprobadas. Cada herramienta es como un utensilio de cocina especializado con una etiqueta clara: "Este utensilio mezcla ingredientes", "Este utensilio pica vegetales", "Este utensilio revisa la temperatura". La IA no puede simplemente agitar las manos y esperar lo mejor; tiene que elegir el utensilio correcto, usarlo correctamente y luego informar exactamente qué hizo.

En sus experimentos, los investigadores probaron este sistema con un desafío de cocina específico: simular una partícula hipotética llamada "leptoquark" (una partícula inventada que podría existir más allá de nuestra comprensión actual de la física). Le pidieron a la IA que ejecutara una simulación donde probara tres "masas" (pesos) diferentes para esta partícula: 1.0, 1.5 y 2.0 TeV. Sin las herramientas especiales de HEPTAPOD, la IA intentó hacer el trabajo escribiendo su propio código informático desde cero. Fracasó estrepitosamente, bloqueando la simulación o produciendo resultados vacíos cada vez. Fue como pedirle a un robot que construyera un coche inventando sus propias llaves inglesas y martillos sobre la marcha; se confundió y dejó caer las piezas.

Sin embargo, cuando los investigadores le dieron a la IA el kit de herramientas de HEPTAPOD, la historia cambió por completo. La IA navegó con éxito por toda la cadena: construyó el modelo, ejecutó la simulación de la colisión, procesó los resultados e incluso corrigió sus propios errores cuando accidentalmente se saltó un paso. En 7 de cada 10 intentos, la IA reconstruyó con éxito la "firma" del leptoquark, encontrando los picos correctos en los datos que coincidían con los pesos que buscaban. El sistema no solo adivinó; mantuvo un registro detallado de cada movimiento, permitiendo al científico humano revisar su trabajo y asegurar que nada fuera falsificado.

El artículo sugiere que este enfoque es un camino prometedor. Demuestra que, al envolver el complejo software científico en herramientas simples y confiables, podemos convertir a la IA de un generador de código caótico en un asistente científico disciplinado. El sistema no reemplaza al científico humano; en cambio, actúa como un socio transparente y auditable que se encarga de las partes aburridas, repetitivas y propensas a errores del flujo de trabajo, permitiendo que el humano se concentre en las grandes ideas. Aunque esta prueba específica fue una simulación, los resultados indican que, con la estructura adecuada, los agentes de IA pueden orquestar de manera confiable los complejos flujos de trabajo de múltiples pasos que requiere la física moderna.

Resumen Técnico: HEPTAPOD – Orquestación de Flujos de Trabajo de Física de Altas Energías hacia la Agencia Autónoma

Declaración del Problema

La investigación en física de altas energías (HEP, por sus siglas en inglés) depende de flujos de trabajo computacionales complejos y de múltiples etapas que involucran álgebra simbólica, generación de elementos de matriz, generación de lluvias de partones (parton showering), hadronización, simulación de detectores y análisis numérico. Si bien los componentes de software individuales (por ejemplo, FeynRules, MadGraph5_aMC@NLO, Pythia, FastJet) son maduros y robustos, la coordinación de estas herramientas sigue siendo en gran medida manual. Los investigadores deben construir manualmente las tarjetas de ejecución (run cards), gestionar las rutas de archivos intermedios, asegurar la consistencia de los parámetros entre las herramientas y depurar fallos en cualquier etapa. Esta orquestación manual consume mucho tiempo, es propensa a errores y difícil de escalar en escaneos de parámetros o grandes espacios de modelos.

Aunque los Modelos de Lenguaje de Gran Escala (LLMs) han evolucionado hacia interfaces computacionales de propósito general capaces de planificar y ejecutar flujos de trabajo de múltiples pasos, su aplicación en HEP ha sido limitada. Las aplicaciones tempranas se centraron en la generación de código o documentación. Los marcos de agentes existentes en HEP (por ejemplo, ArgoLOOM, Agents of Discovery, LLM4HEP) han comenzado a emerger, pero a menudo carecen de un mecanismo estructurado para garantizar la reproducibilidad, la transparencia y la supervisión humana al integrar códigos científicos externos. El desafío central es permitir que los LLMs coordinen estos flujos de trabajo de manera fiable sin generar código no estructurado y no verificado o sin perder el rastro del estado a lo largo de largas cadenas de ejecución.

Metodología

Los autores presentan HEPTAPOD (HEP Toolkit for Agentic Planning, Orchestration, and Deployment), un marco de orquestación diseñado para integrar LLMs en los flujos de trabajo de la teoría de HEP. El marco está construido sobre el motor Orchestral AI, un armazón de orquestación de agentes agnóstico al proveedor, pero está configurado específicamente para herramientas científicas en lugar de ingeniería de software general.

La metodología se basa en cuatro pilares arquitectónicos clave:

Herramientas Validadas mediante Esquemas:
En lugar de depender de la generación de código libre para cada operación, HEPTAPOD expone las capacidades científicas como clases de Python con esquemas JSON estructurados. Estas herramientas definen tipos de entrada y salida estrictos (usando RuntimeField para argumentos proporcionados por el usuario y StateField para datos de entorno inyectados).
- Validación: Los argumentos se validan contra el esquema antes de la ejecución.
- Gestión de Errores: Las herramientas devuelven mensajes de error estructurados (en lugar de registros brutos o logs) tras un fallo, lo que permite al agente interpretar y recuperarse de los errores de manera determinista.
- Docstrings: Cada herramienta incluye un docstring detallado en lenguaje natural que explica su propósito científico y semántica, el cual se inyecta en el contexto del LLM para guiar la toma de decisiones.
Estructuras de Datos de Eventos Compatibles con LLM (evtjsonl):
Los formatos tradicionales de HEP (ROOT, HepMC, LHE) son opacos para los LLMs. HEPTAPOD introduce un formato de texto basado en JSON delimitado por líneas (evtjsonl) para los datos de eventos intermedios. Este formato codifica los cuatro-vectores de las partículas, sus IDs y códigos de estado en un registro autocontenido que el agente puede inspeccionar directamente dentro del contexto de la conversación. Esto permite que el agente realice validaciones semánticas (por ejemplo, verificar multiplicidades implausibles) sin necesidad de herramientas externas de deserialización.
Orquestación Impulsada por Tarjetas de Ejecución (Run-Card-Driven):
El marco utiliza tarjetas de ejecución legibles por humanos (por ejemplo, .mg5, .cmnd) como la interfaz canónica entre el agente y los códigos externos.
- Marcadores de Posición (Placeholders): El sistema soporta tarjetas de ejecución basadas en plantillas donde los marcadores de posición (por ejemplo, [[UFO_PATH]]) se sustituyen automáticamente por rutas de archivos reales en el momento de la ejecución.
- Auditabilidad: Cada decisión de configuración se captura en un artefacto persistente y versionable, lo que permite puntos de control de aprobación humana antes de la ejecución.
Propagación de Contexto con Estado:
La capa de orquestación mantiene un estado de conversación estructurado. Cuando una herramienta detecta un escaneo de parámetros (por ejemplo, múltiples puntos de masa), devuelve metadatos estructurados asociando cada ID de ejecución con sus parámetros y rutas de archivos específicos. Estos metadatos se propagan a los pasos subsiguientes (por ejemplo, de MadGraph a Pythia) sin requerir que el agente analice nombres de directorios o recuerde nombres de archivos.

Contribuciones Clave

El artículo presenta las siguientes contribuciones específicas:

El Marco HEPTAPOD: Una infraestructura de orquestación completa que tiende un puente entre el razonamiento de los LLM y el software específico de dominio de HEP. Abstrae las tareas teóricas en herramientas modulares validadas mediante esquemas.
Un Caso de Estudio Representativo: Una demostración completa de extremo a extremo de un análisis de un leptoquark escalar ( $S_1$ $S_{1}$ ) más allá del Modelo Estándar (BSM). El flujo de trabajo abarca:
1. Generación del modelo (FeynRules $\to$ UFO).
2. Generación de eventos a nivel de partones con un escaneo de parámetros (MadGraph).
3. Lluvias y hadronización (Pythia).
4. Agrupación de jets (FastJet/SlowJet).
5. Selección de objetos y reconstrucción de resonancia.
6. Visualización de la distribución de masa del leptoquark reconstruido ( $m_{LQ}^{min}$ ).
Benchmarking Cuantitativo: Una comparación del rendimiento del marco frente a una línea base de "núcleo únicamente" (donde el agente solo tiene capacidades de shell/Python sin herramientas de dominio).
- Asistido por Herramientas: El agente completó el flujo de trabajo completo en 7 de 10 intentos ($pass@1 = 0.70$) y alcanzó el 100% de éxito tras unos pocos intentos.
- Núcleo Únicamente: El agente no pudo completar el flujo de trabajo en ninguno de los 10 intentos ($pass@1 = 0$). Los fallos se debieron principalmente a errores de serialización JSON al generar scripts extensos y a la reconstrucción incorrecta de observables físicos.
Mecanismo de Recuperación de Errores: El marco demuestra la capacidad del agente para detectar errores estructurados (por ejemplo, la falta de agrupación de jets para un punto de escaneo específico), reinvocar la herramienta necesaria y reanudar el flujo de trabajo sin intervención humana.

Resultados

Los resultados del benchmark resaltan el papel crítico de la capa de orquestación:

Fiabilidad: Las herramientas validadas mediante esquemas redujeron la carga de serialización para el LLM. Sin las herramientas, el modelo fallaba frecuentemente al serializar cargas útiles complejas (scripts completos/tarjetas de ejecución) como JSON válidos, lo que provocaba fallos fatales.
Corrección Física: Con las herramientas de dominio, el agente reconstruyó correctamente los picos de resonancia en los puntos de masa inyectados (1.0, 1.5 y 2.0 TeV). Sin las herramientas, incluso cuando el flujo de ejecución se completaba, las distribuciones de masa resultantes eran vacías o colapsaban a cero, indicando un fallo en la implementación de la lógica física.
Eficiencia: El agente asistido por herramientas requirió menos tokens y llamadas a herramientas para alcanzar el éxito en comparación con la variante de núcleo únicamente, que a menudo terminaba prematuramente o requería excesivos reintentos.

Significación y Reivindicaciones

Los autores posicionan a HEPTAPOD no como un sistema totalmente autónomo que reemplaza a los investigadores humanos, sino como un sistema de humano en el bucle (human-in-the-loop) que aumenta el razonamiento científico.

Base para la Reproducibilidad: Al imponer la validación de esquemas y la configuración impulsada por tarjetas de ejecución, HEPTAPOD establece una base para la investigación asistida por IA transparente, auditable y reproducible.
Seguridad y Supervisión: El marco garantiza que los LLM operen dentro de flujos de trabajo computacionales establecidos, preservando la supervisión humana en puntos críticos de decisión (por ejemplo, la aprobación de la tarjeta de ejecución).
Escalabilidad: La naturaleza modular del conjunto de herramientas permite la fácil adición de nuevas capacidades (por ejemplo, nuevos generadores o técnicas de análisis) mediante la implementación de una única subclase BaseTool, que la capa de orquestación coordina automáticamente.
Perspectiva Futura: El artículo sugiere que esta infraestructura permite aplicaciones futuras tales como el modelado automático de fondos, el ajuste de generadores y el refinamiento iterativo de modelos donde múltiples agentes podrían colaborar en extensiones teóricas y viabilidad fenomenológica.

El artículo concluye que HEPTAPOD proporciona la infraestructura necesaria para transicionar los flujos de trabajo de HEP de un scripting manual y propenso a errores hacia flujos de trabajo adaptativos, fiables e interpretables asistidos por agentes, cerrando la brecha entre las entradas teóricas simbólicas y los datos medibles.