CELEBI: Towards Reproducible and FAIR Physics Analysis

En el mundo de la física de altas energías, los científicos no simplemente miran a través de un telescopio o un microscopio para encontrar respuestas. En su lugar, construyen máquinas masivas y complejas que chocan partículas entre sí, creando una tormenta de datos que debe ser clasificada, medida y comprendida. Este proceso no es un evento único, sino un largo y sinuoso viaje de descubrimiento. Un investigador toma datos brutos y los hace pasar por una serie de programas informáticos, tomando decisiones sobre qué piezas de información conservar y cuáles descartar. Ajustan configuraciones, prueban diferentes teorías y perfeccionan sus métodos durante meses o incluso años. El resultado final es un hallazgo científico, pero ese hallazgo está inextricablemente ligado al camino específico que el equipo tomó para llegar allí. Si el código cambia, o si se ajusta un parámetro, el resultado podría cambiar también. El gran desafío en este campo no es solo obtener la respuesta, sino recordar exactamente cómo se encontró. Sin un registro claro de los pasos seguidos, un resultado del año pasado podría volverse imposible de reproducir hoy, dejando a la comunidad científica incapaz de verificar o construir sobre el trabajo realizado.

Este es el problema que Mingrui Zhao, un investigador de la Universidad de Pekín, se propuso resolver con un nuevo sistema llamado Celebi. En el artículo, Zhao describe cómo los análisis de la física moderna evolucionan continuamente. A medida que los conjuntos de datos crecen y llegan las actualizaciones de software, las condiciones bajo las cuales se produjo un resultado anterior pueden volverse difíciles de determinar. Imagine un equipo trabajando en un cálculo complejo donde el código se está reescribiendo constantemente. Un resultado presentado durante una revisión interna podría ya no coincidir con la versión actual del análisis porque las reglas subyacentes han cambiado. En las grandes colaboraciones, donde muchas personas trabajan en diferentes variaciones del mismo proyecto, esta confusión puede ser abrumadora. El investigador descubrió que las herramientas existentes podían gestionar el flujo de datos o almacenar los archivos finales, pero tenían dificultades para mantener un vínculo persistente e inquebrantable entre un resultado específico y el estado exacto del análisis que lo creó.

Para abordar esto, Zhao diseñó Celebi como un marco de trabajo que trata el análisis no como un documento único y fluido, sino como una colección de partes estructuradas y reutilizables. El sistema separa las instrucciones ligeras —como el código, la configuración y las dependencias— de los pesados productos de datos que se generan. Organiza estas instrucciones en un flujo de trabajo claro donde cada pieza sabe de qué depende. La innovación central reside en cómo el sistema gestiona el cambio. A medida que el análisis de trabajo evoluciona, Celebi preserva momentos específicos en el tiempo llamados "impresiones" (impressions). Una impresión es una instantánea congelada del análisis en un momento particular, que captura el código, los parámetros y el estado exacto de cada dependencia utilizada para producir un resultado. Estas impresiones son inmutables, lo que significa que no pueden alterarse una vez guardadas. Cuando se genera un resultado, este queda asociado permanentemente con la impresión específica que lo creó. Esto significa que, incluso si el análisis principal se actualiza cien veces, el resultado original permanece vinculado a las condiciones exactas bajo las cuales fue producido por primera vez.

El efecto práctico de esta organización es un sistema que permite a los científicos modificar su trabajo sin perder su historia. Debido a que los componentes son modulares, un investigador puede cambiar una parte del análisis, como el método utilizado para filtrar datos, sin tener que reescribir todo el proyecto. El sistema rastrea automáticamente qué tareas descendentes se ven afectadas por ese cambio. Si un científico desea ejecutar una variación sistemática, quizás probando cómo una diferencia de suposición afecta el resultado, puede hacerlo reutilizando las partes no modificadas del análisis mientras modifica únicamente la sección específica que difiere. Esto reduce la duplicación y hace que las diferencias entre varias configuraciones sean explícitas. El sistema también permite la ejecución controlada de estos estados preservados. Si un equipo necesita verificar un resultado antiguo, puede ejecutar la impresión preservada nuevamente, siempre que los insumos y entornos de software necesarios sigan disponibles, asegurando que la nueva ejecución sea una reproducción fiel de la anterior.

Este enfoque cambia fundamentalmente la forma en que la colaboración y la revisión ocurren dentro de un equipo de física. En un proyecto típico, múltiples colaboradores podrían estar trabajando en diferentes configuraciones, y los resultados podrían estar dispersos en varios archivos y directorios personales. Celebi aporta orden a esto organizando todos los materiales, documentación y dependencias en un repositorio estructurado. Un colaborador puede inspeccionar un componente específico junto con su documentación local y el estado exacto de sus dependencias sin necesidad de reconstruir todo el análisis desde cero. Esto facilita que los nuevos miembros del equipo comprendan el trabajo y que los revisores verifiquen la lógica detrás de un resultado. Cuando un revisor solicita un cambio, el equipo puede actualizar el análisis y crear una nueva impresión, manteniendo la anterior junto a la nueva. Esto permite una comparación directa entre revisiones, mostrando exactamente qué cambió y cómo afectó al resultado. El sistema construye esencialmente una línea de tiempo transparente de la investigación, donde cada resultado puede rastrearse hasta su origen.

El objetivo último de este trabajo es hacer que el análisis de la física sea más FAIR: Localizable (Findable), Accesible (Accessible), Interoperable (Interoperable) y Reutilizable (Reusable). Actualmente, reutilizar un resultado científico requiere no solo los datos finales, sino una comprensión profunda del código y la configuración utilizados para crearlo, los cuales a menudo se pierden o quedan enterrados. Al asociar los resultados con estados identificables y preservados del análisis, Celebi proporciona una base para encontrar y reutilizar estos materiales. La naturaleza estructurada del sistema permite que las computadoras interpreten la lógica del análisis, lo que podría ayudar a que diferentes infraestructuras de investigación trabajen juntas. Aunque el artículo no afirma que Celebi resuelva todos los problemas de la preservación científica, ofrece una base práctica para extender estos principios más allá de los datos brutos hacia los procesos computacionales que generan el conocimiento científico. El sistema no depende de la contabilidad manual o de la reconstrucción retrospectiva de la historia; en su lugar, captura la procedencia del trabajo a medida que ocurre, día tras día. Al hacerlo, asegura que el camino hacia un descubrimiento permanezca tan claro y accesible como el descubrimiento mismo.