Using Neural Networks to Accelerate TALYS-2.0 Nuclear Reaction Simulations

Este trabajo demuestra que el uso de redes neuronales artificiales como modelos sustitutos permite ajustar con alta fidelidad los parámetros del código nuclear TALYS-2.0 para mejorar la predicción de secciones eficaces, logrando una aceleración de más de 1000 veces en comparación con los cálculos directos.

Lo esencial

Imagina que tienes una receta de cocina extremadamente compleja (llamada TALYS-2.0) para predecir cómo se comportan los átomos cuando chocan entre sí. Esta receta es tan detallada y precisa que es increíblemente útil para crear medicamentos o energía, pero tiene un gran problema: tardarías años en cocinar un solo plato si intentaras probar todas las variaciones posibles de ingredientes.

Los científicos querían ajustar los "ingredientes" (parámetros) de esta receta para que el resultado final coincidiera perfectamente con la realidad, pero el proceso de prueba y error era demasiado lento y aburrido.

Aquí es donde entra la Inteligencia Artificial (Redes Neuronales) como un chef asistente genio.

La Metáfora del "Chef Asistente"

1. El Problema (La Cocina Lenta):
   Imagina que el TALYS-2.0 es un chef que cocina muy bien, pero muy lento. Si quieres ajustar la receta para que quede perfecta, tendrías que pedirle que cocine miles de veces, cambiando un poco de sal aquí, un poco de pimienta allá, esperando horas entre cada intento. Es agotador y lento.

2. La Solución (El Chef Asistente IA):
   Los científicos entrenaron a un "chef asistente" (la Red Neuronal) mostrándole miles de platos que el chef lento ya había cocinado.

   • El Entrenamiento: Le dieron al asistente una lista de ingredientes y le dijeron: "Mira, si usas esta cantidad, el plato sabe así". Le mostraron unos 1,500 platos (archivos de datos) generados por el chef lento.
   • El Truco: Una vez que el asistente aprendió el patrón, ya no necesitaba cocinar desde cero. Podía predecir cómo sabría el plato con una nueva combinación de ingredientes en una fracción de segundo.

3. La Magia de la Velocidad:
   El resultado es asombroso. Mientras el chef original tardaría horas en calcular un resultado, el asistente IA lo hace más de 1,000 veces más rápido. Es como pasar de caminar a pie a viajar en un cohete.

¿Cómo probaron si el asistente era bueno?

Los científicos probaron tres métodos diferentes para elegir los platos de entrenamiento, como si fueran a elegir frutas en un mercado:

• Aleatorio: Agarrar frutas al azar del montón.
• Estratégico (Latin Hypercube): Asegurarse de agarrar una fruta de cada tipo y tamaño.
• Matemático (Sobol): Usar una fórmula matemática para cubrir todo el mercado perfectamente.

La sorpresa: ¡Funcionaron todos casi igual de bien! No importaba tanto cómo eligieron los ejemplos, sino cuántos ejemplos le dieron al asistente. Con unos 1,500 ejemplos, el asistente aprendió a predecir tan bien como el chef original.

El Gran Logro: Ajustar la Receta Perfecta

Una vez que el asistente aprendió, los científicos le dijeron: "Oye, queremos que este plato (la reacción nuclear) se parezca más a lo que vemos en la realidad".

• Método Antiguo: Ajustar un ingrediente a la vez, esperar, probar, ajustar el siguiente... (Lento).
• Método Nuevo (IA): El asistente probó miles de combinaciones de ingredientes todos a la vez en cuestión de minutos, encontrando la combinación perfecta mucho más rápido que antes.

En Resumen

Este trabajo es como si hubieras encontrado un mapa del tesoro para navegar un océano de datos nucleares. En lugar de navegar a vela (el método antiguo, lento y secuencial), ahora tienes un motor de alta velocidad (la Red Neuronal) que te lleva al mismo destino en minutos.

¿Por qué importa?
Porque esto permite a los científicos:

• Diseñar mejores medicamentos contra el cáncer más rápido.
• Crear materiales más seguros.
• Entender mejor el universo sin esperar años a que las computadoras hagan los cálculos.

Básicamente, han enseñado a una computadora a "adivinar" los resultados de una fórmula nuclear compleja con tanta precisión que ya no necesitan esperar a que la fórmula se ejecute realmente, ahorrando tiempo y recursos valiosísimos.

Resumen técnico

Título: Uso de Redes Neuronales para Acelerar las Simulaciones de Reacciones Nucleares TALYS-2.0

1. Planteamiento del Problema

La producción de isótopos radiactivos para investigación fundamental, medicina y seguridad depende críticamente de la disponibilidad de datos precisos de secciones eficaces de reacciones nucleares. Cuando los datos experimentales no existen, se utilizan códigos de modelado nuclear como TALYS-2.0 para predecir estas secciones eficaces.

• Limitación actual: Los métodos anteriores para mejorar la precisión de TALYS-2.0 (ajustando parámetros del modelo óptico y procesos de pre-equilibrio) requieren un flujo de trabajo iterativo y secuencial. Esto implica ejecutar múltiples cálculos de TALYS-2.0 uno tras otro, lo que hace que el proceso de ajuste de parámetros sea extremadamente lento y limita la paralelización, incluso en sistemas de alto rendimiento (HPC).
• Necesidad: Se requiere un método que reduzca drásticamente el tiempo de cálculo sin sacrificar la fidelidad de los resultados, permitiendo la optimización de múltiples parámetros simultáneamente.

2. Metodología

Los autores propusieron el uso de Redes Neuronales Artificiales (ANN) como modelos sustitutos (surrogate models) para aproximar las salidas de TALYS-2.0.

• Generación de Datos: Se generaron conjuntos de datos de secciones eficaces de productos residuales utilizando TALYS-2.0.
  • Se utilizaron tres configuraciones de parámetros variables: 3, 6 y 17 parámetros nucleares.
  • Se compararon tres métodos de muestreo para generar los datos de entrenamiento: aleatorio uniforme, Hipercubo Latino (LHC) y secuencia de Sobol (desordenada).
  • Los datos se generaron en paralelo utilizando un clúster HPC o CPUs individuales (Ryzen 7960X).
• Arquitectura de la Red Neuronal:
  • Se implementó una red neuronal feedforward totalmente conectada utilizando PyTorch.
  • Capas: Una capa de entrada, capas ocultas (optimizadas a 256, 128, 512, 512, 512 nodos) y una capa de salida.
  • Funciones de activación: SELU (entrada), Mish (ocultas) y ReLU (salida).
  • Entrenamiento: Se utilizó el optimizador AdamW con una función de pérdida Huber. Se aplicaron técnicas para evitar el sobreajuste (regularización L2, normalización por lotes, dropout).
  • Normalización: Las secciones eficaces se normalizaron respecto al máximo de cada canal de reacción.
• Procedimiento de Ajuste:
  • Se validó la capacidad de la ANN para predecir secciones eficaces basadas en diferentes parámetros.
  • Se implementaron dos estrategias de ajuste de parámetros contra datos experimentales:
    1. Ajuste 1-D (Secuencial): Optimización de un parámetro a la vez hasta la convergencia.
    2. Ajuste N-D (Multivariable): Optimización simultánea de todos los parámetros utilizando un algoritmo de recocido dual (dual annealing) con restricciones.

3. Contribuciones Clave

• Implementación de un Modelo Sustituto de Alta Fidelidad: Demostraron que una ANN puede replicar las salidas de TALYS-2.0 con alta precisión para dominios de entrada complejos (hasta 17 parámetros).
• Aceleración Masiva: El enfoque basado en ANN es >1000 veces más rápido que ejecutar TALYS-2.0 directamente para generar secciones eficaces.
• Optimización Multivariable: Permitieron realizar un ajuste de parámetros en múltiples dimensiones (N-D) que antes era impráctico debido al costo computacional, logrando convergencia en minutos en lugar de días.
• Evaluación de Muestreo: Determinaron que, para este problema, los métodos de muestreo (Uniforme, LHC, Sobol) producen resultados comparables, aunque el muestreo uniforme requiere menos archivos de entrenamiento para lograr un rendimiento similar al de Sobol en ciertos casos.

4. Resultados

• Precisión del Modelo:
  • Para el modelo de 3 parámetros, la ANN fue más robusta que un interpolador cúbico tradicional, especialmente con conjuntos de datos pequeños (6x6x6 archivos).
  • Para el modelo de 6 parámetros, la ANN predijo ~66 millones de secciones eficaces en <1 minuto (vs. >1 día para el interpolador), con un error cuadrático medio (RMSE) de 0.71 mb usando solo 300 archivos de entrenamiento.
  • Para el modelo de 17 parámetros (aplicado a reacciones $^{139}\text{La}(p,x)$), un modelo entrenado con ~1500 archivos (Sobol o Uniforme) logró un RMSE de ~0.75 mb.
• Comparación de Ajuste de Parámetros:
  • El ajuste N-D (multivariable) logró un mejor acuerdo con los datos de TALYS-2.0 y una ligera mejora en la figura de mérito (FOM) en comparación con el ajuste secuencial (1-D) y los resultados publicados anteriormente por Morrell et al. [10].
  • Aunque los parámetros ajustados difirieron de los resultados anteriores, esto se atribuyó a la falta de sensibilidad de ciertos parámetros y diferencias en los criterios de convergencia.
• Generalización: Los hiperparámetros óptimos encontrados para $^{139}\text{La}(p,x)$ también funcionaron bien para $^{nat}\text{Cu}(p,x)$, sugiriendo que el enfoque es generalizable a otros núcleos objetivo.
• Tiempo de Procesamiento: Se implementó un modelo sustituto completo en <24 horas usando CPUs estándar. Con acceso a HPC y GPUs, este tiempo podría reducirse a unas pocas horas.

5. Significado e Impacto

Este trabajo representa un avance significativo en la física nuclear computacional al democratizar y acelerar la optimización de modelos nucleares:

• Viabilidad de la Optimización Global: Hace factible realizar análisis de sensibilidad y optimización global de parámetros que antes eran prohibitivos en tiempo.
• Flexibilidad: Una vez entrenado el modelo sustituto, se pueden cambiar los criterios de ajuste (nuevos datos experimentales, diferentes funciones de mérito o selección de canales de reacción) sin necesidad de regenerar los costosos datos de TALYS-2.0.
• Escalabilidad: El enfoque permite aprovechar completamente los procesadores multinúcleo y los sistemas HPC modernos, reduciendo el tiempo de cálculo de días a horas.
• Futuro: Abre la puerta a la creación de modelos sustitutos que abarquen múltiples núcleos objetivo simultáneamente, reduciendo aún más la necesidad de archivos de entrenamiento y mejorando la predictibilidad para aplicaciones de isótopos médicos y de seguridad.

En resumen, la integración de redes neuronales como sustitutos de TALYS-2.0 resuelve el cuello de botella computacional en el ajuste de parámetros nucleares, ofreciendo una solución rápida, precisa y escalable para la predicción de secciones eficaces.