Reconstructing short-lived particles using hypergraph representation learning

Dentro do Grande Colisor de Hádrons, um enorme anel de ímãs enterrado sob a fronteira suíço-francesa, cientistas colidem prótons quase à velocidade da luz. Essas colisões recriam a energia abrasadora dos primeiros momentos do universo, gerando uma cascata de novas partículas. A maioria dessas partículas é pesada e incrivelmente efêmera, decompondo-se quase instantaneamente em uma chuva de detritos mais estáveis. Para compreender as leis fundamentais da natureza, os físicos devem reconstruir as partículas originais e fugazes a partir desses detritos, tal como um perito forense tentando deduzir a forma de um vaso estilhaçado ao examinar os cacos espalhados. O desafio reside na quantidade colossal de peças; quando partículas pesadas se decompõem, elas frequentemente produzem até 20 "jatos" — fluxos estreitos de partículas que voam em direções específicas. Descobrir quais jatos vieram de qual partícula progenitora é um quebra-cabeça de complexidade estonteante, especialmente quando os detritos incluem partículas invisíveis que não deixam rastro no detector.

Uma equipa de investigadores da Universidade de Manchester desenvolveu uma nova forma de resolver este quebra-cabeça, que trata os dados da colisão não como uma simples lista de partículas, mas como uma rede complexa de relações. Eles chamam o seu método de HyPER. Em vez de observar as partículas isoladamente ou apenas em pares, o HyPER utiliza uma estrutura matemática chamada hipergrafo para compreender como grupos de partículas estão conectados todos ao mesmo tempo. Numa abordagem padrão, um computador poderia tentar ligar a partícula A à partícula B, e depois a partícula B à partícula C, construindo uma cadeia passo a passo. O HyPER, contudo, consegue olhar para um grupo inteiro de partículas simultaneamente e perguntar: "Estes três partículas específicas juntas formam uma única partícula progenitora?". Esta mudança de perspetiva permite que o sistema veja padrões que métodos mais simples ignoram, particularmente em eventos onde o número de partículas é muito elevado.

Os investigadores testaram este novo sistema num tipo específico de colisão onde um par de quarks top — as partículas elementares mais pesadas conhecidas — se decompõe inteiramente em jatos. Neste cenário, os dois quarks top fragmentam-se em seis quarks, que depois se transformam em seis jatos, além de quaisquer jatos extra criados pela colisão violenta. O objetivo é identificar corretamente quais os três jatos que pertencem a um quark top e quais os três que pertencem ao outro. A equipa treinou o seu modelo HyPER com milhões de colisões simuladas, ensinando-o a reconhecer as agrupações corretas. Depois, colocaram-no frente a frente com dois dos métodos existentes mais avançados utilizados pelos físicos atualmente. Os resultados mostraram que o HyPER foi capaz de reconstruir corretamente as partículas progenitoras em 67 por cento dos eventos, superando os outros métodos que tiveram sucesso em cerca de 65 por cento e 64,5 por cento dos casos.

O que torna esta conquista particularmente significativa não é apenas o ligeiro aumento na precisão, mas a eficiência com que foi alcançada. O modelo HyPER é notavelmente pequeno, contendo aproximadamente 3.450 parâmetros treináveis. Em contraste, os modelos concorrentes requerem milhões de parâmetros para funcionar. Para colocar isto em perspetiva, o novo modelo contém um fator de 20 vezes menos parâmetros do que uma das ferramentas existentes, mas entrega melhores resultados. Esta eficiência é importante porque significa que o modelo é menos propenso a "overfitting", ou seja, a memorizar os dados de treino em vez de aprender a física subjacente, e requer muito menos poder de computação para ser executado. Os investigadores descobriram que, mesmo quando reduziam a quantidade de dados de treino disponíveis, o HyPER permanecia a ferramenta mais precisa, sugerindo que é robusto o suficiente para lidar com os conjuntos de dados limitados frequentemente encontrados em pesquisas de física raras.

O sucesso do HyPER abre a porta ao estudo de eventos ainda mais complexos e raros na física de partículas. Uma vez que o sistema é concebido para lidar com grupos de partículas de qualquer tamanho, poderá eventualmente ser utilizado para reconstruir partículas que se decompõem em quatro, cinco ou mais jatos. Embora o estudo atual se tenha focado em decaimentos totalmente hadrónicos onde os neutrinos estão ausentes, os investigadores observam que o trabalho futuro visa estender o método para incluir a reconstrução da cinemática dos neutrinos no estado final. Os investigadores demonstraram que a sua abordagem funciona bem para o caso específico de pares de quarks top, mas o método subjacente é suficientemente flexível para ser aplicado a uma grande variedade de processos físicos. Ao fornecer uma forma mais poderosa e eficiente de visualizar as relações entre partículas, o HyPER oferece uma nova ferramenta para espreitar a estrutura fundamental do universo, ajudando os cientistas a distinguir o sinal de nova física do ruído de fundo do mundo conhecido.