← Últimos artículos
⚛️ experimentos de altas energías

A fully differential charged-particle phase-space measurement of ZZ+jets production in $pp$ collisions at s=13\sqrt{s}=13 TeV with the ATLAS detector

Utilizando el método OmniFold en 140 fb⁻¹ de datos de ATLAS a 13 TeV, este artículo presenta la primera medición publicada no agrupada y totalmente diferencial de la producción de Z+jets, proporcionando eventos de Monte Carlo a nivel de partícula y pesos que permiten la construcción de observables arbitrarios para futuras reinterpretaciones.

Autor original: ATLAS Collaboration

Publicado 2026-11-19
📖 6 min de lectura🧠 Análisis profundo

Autor original: ATLAS Collaboration

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 el autor. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el corazón de Europa, bajo la frontera entre Francia y Suiza, se encuentra el Gran Colisionador de Hadrones, una máquina que hace chocar protones a velocidades que se aproximan a la velocidad de la luz. Cuando estas diminutas partículas colisionan, no simplemente rebotan entre sí; se transforman, creando una lluvia de nuevas partículas de corta duración que salen disparadas en todas direcciones. Los físicos estudian estas colisiones para comprender las reglas fundamentales que gobiernan el universo, de forma muy parecida a como un mecánico podría desarmar un motor complejo para ver cómo encajan sus engranajes. Una de las formas más fiables de probar estas reglas es observar un evento específico donde se crea una partícula pesada llamada bosón Z, que inmediatamente decae en dos muones, que son primos pesados del electrón. Debido a que el bosón Z es tan pesado, a menudo retrocede contra una ráfaga de otras partículas, formando lo que los físicos llaman un chorro o "jet". Al estudiar la forma y la energía de estos chorros, los científicos pueden investigar la fuerza fuerte que mantiene unidos a los núcleos atómicos, probando si nuestras teorías actuales de la física se mantienen bajo condiciones extremas.

Durante décadas, la forma estándar de analizar estas colisiones ha sido clasificar los datos en categorías fijas, o "bins", basadas en mediciones preestablecidas. Imagine intentar describir una pintura compleja contando únicamente cuántos píxeles rojos hay en la esquina superior izquierda, cuántos azules en la inferior derecha, y así sucesivamente. Si bien este método funciona, descarta una vasta cantidad de información sobre las relaciones entre las diferentes partes de la imagen. Si un científico decidiera más tarde que quiere saber algo sobre la textura de las pinceladas, no podría volver atrás para mirar la pintura original; solo tiene los recuentos de píxeles, que son insuficientes. Esta limitación significaba que muchas preguntas interesantes sobre el mundo subatómico permanecían sin poder formularse porque los datos ya habían sido comprimidos en un formato que no podía responderlas.

Un investigador que utiliza el detector ATLAS en el Gran Colisionador de Hadrones ha roto ahora esta barrera. Ha producido la primera medición publicada de una colisión de partículas que no está clasificada en categorías. En lugar de resumir los datos en unos pocos histogramas, ha publicado un registro completo y no clasificado de la colisión, describiendo el movimiento de cada una de las partículas cargadas que salieron disparadas del lugar del choque. Este registro cubre 140 femtobarns inversos de datos recolectados de colisiones protón-protón a una energía de centro de masa de 13 TeV. El resultado es una reconstrucción digital del evento donde cada partícula cargada se enumera con su velocidad y dirección, acompañada de un peso que indica a los científicos qué tan probable es que esa configuración específica ocurra en la naturaleza. Este enfoque permite que cualquier persona haga nuevas preguntas a los datos años después de que el experimento haya terminado, sin necesidad de ejecutar de nuevo el complejo análisis.

Para lograr esto, el investigador tuvo que superar un obstáculo significativo: los datos de cada colisión no son uniformes. Algunos choques producen unas pocas docenas de partículas, mientras que otros producen cientos. Los métodos informáticos tradicionales tienen dificultades con esta variabilidad, pero el equipo utilizó un tipo de inteligencia artificial conocida como red de transformadores (transformer network). Estos son los mismos tipos de sistemas que impulsan los modelos de lenguaje modernos, pero aquí fueron entrenados para comprender la geometría de las colisiones de partículas. La computadora fue enseñada a reconocer patrones en la ráfaga de partículas, aprendiendo a corregir el hecho de que el propio detector no es perfecto y a veces pierde partículas o mide su velocidad de forma ligeramente errónea. Al entrenarse en miles de millones de eventos simulados antes de observar los datos reales, el sistema aprendió a distinguir entre la verdadera física de la colisión y las peculiaridades de la máquina.

El poder de este nuevo método se demostró aplicándolo a cuatro tipos de preguntas muy diferentes. Primero, el investigador observó el número total de partículas cargadas y la energía total que transportaban. Encontró que las simulaciones por computadora utilizadas para predecir estas colisiones a menudo estaban erradas hasta en un cincuenta por ciento en ciertas regiones, lo que sugiere que nuestros modelos actuales de cómo interactúan las partículas necesitan un ajuste significativo. Segundo, examinaron la estructura interna de los propios chorros. En el pasado, medir la forma de un chorro requería una definición específica y rígida de lo que era un chorro. Con este nuevo método, los científicos pueden aplicar cualquier definición que deseen a los mismos datos, revelando diferencias sutiles en cómo las partículas se agrupan que antes eran invisibles.

El investigador también midió una cantidad llamada correlador de energía, que rastrea cómo se comparte la energía entre pares de partículas a diferentes ángulos. Esta medición es sensible a la transición entre el mundo de los quarks y gluones, que se comportan como partículas libres, y el mundo de los protones y neutrones, donde están encerrados. Los datos mostraron un patrón claro que coincidía con las predicciones teóricas, confirmando nuestra comprensión de cómo se comporta la fuerza fuerte a altas energías. Finalmente, el investigador midió la dimensionalidad intrínseca de los chorros. Este es un concepto de las matemáticas que pregunta cuántas coordenadas se necesitan realmente para describir una forma compleja. Encontraron que, aunque un chorro puede parecer existir en un espacio con cientos de dimensiones, la física real lo restringe a una forma mucho más simple y de menor dimensión. Este descubrimiento proporciona evidencia experimental directa de que la caótica ráfaga de partículas está en realidad gobernada por un orden subyacente sorprendentemente simple.

Quizás el aspecto más significativo de este trabajo no son solo los números específicos encontrados, sino la forma en que se comparten los datos. El conjunto de datos completo, que consiste en millones de eventos simulados con sus pesos calculados, se ha hecho público. Esto significa que un científico de un campo diferente, o uno que trabaje en una teoría completamente distinta, puede descargar los datos y construir sus propias mediciones sin necesidad de entender el complejo detector o el código de análisis original. Esto transforma un experimento único en un recurso permanente y reutilizable para toda la comunidad científica. Al pasar de un conjunto fijo de respuestas a un registro flexible y abierto, este trabajo asegura que las preguntas formuladas hoy no limiten los descubrimientos realizados mañana. El experimento no solo ha medido las partículas; ha preservado la historia completa de su creación para que las generaciones futuras puedan leerla.

¿Ahogado en artículos de tu campo?

Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.

Probar Digest →