En el Gran Colisionador de Hadrones, cada segundo nacen millones de chorros, flujos de partículas que emergen de un quark o gluón. Distinguir un chorro de un quark top de un chorro de un quark ordinario es una tarea de la que depende la búsqueda de nueva física. Los transformadores neuronales modernos logran hacerlo con alta precisión, pero pagan un precio enorme en parámetros y cómputo. IAFormer propone un camino diferente: en lugar de escuchar a todos los oradores en la sala, el intérprete filtra el ruido de fondo y se concentra solo en las voces clave.

En un transformador convencional, cada partícula en el chorro se compara con todas las demás mediante el producto escalar de consultas y claves. IAFormer reemplaza esto por una matriz aprendible de interacciones por pares que depende de cantidades invariantes de Lorentz: la masa del par, la distancia angular, el momento transverso. La atención se calcula como la diferencia de dos copias de esta matriz con un coeficiente β que la red ajusta por sí misma. β suprime la contribución de pares irrelevantes, y la atención dispersa ignora la radiación suave, ese ruido de fondo. Como resultado, el número de parámetros cae de 2.14 millones (en el modelo ParT) a 211 mil, y la precisión en la tarea de reconocimiento de quarks top alcanza 0.942.

El análisis de interpretabilidad muestra que β crece en las primeras capas y disminuye hacia las últimas. La red primero construye variables colectivas estables y luego descarta información superflua. Los mapas de atención confirman que IAFormer extrae estructuras físicamente relevantes capa por capa, como un buen intérprete que al inicio de la reunión capta el sentido general y hacia el final filtra repeticiones y ruido.

Antes se pensaba que para etiquetar chorros con precisión se necesitaban millones de parámetros y cientos de millones de operaciones. IAFormer ha demostrado que la dispersión físicamente motivada puede reemplazar la parametrización redundante. Esto cambia la idea sobre la complejidad necesaria de los modelos y abre el camino a arquitecturas ligeras, rápidas e interpretables para el análisis de datos del LHC. Los experimentos ATLAS y CMS, donde la velocidad y la precisión en la clasificación de chorros son cruciales, podrían beneficiarse de este enfoque hoy mismo.