La red neuronal IAFormer, basada en la arquitectura Transformer, analiza datos de colisiones de partículas. Su característica clave es la atención dispersa dinámica (sparse attention): el modelo selecciona por sí mismo las interacciones significativas de las partículas, descartando el ruido. Esto es posible gracias al uso de cantidades físicamente invariantes y al método de «atención diferencial». Como resultado, IAFormer supera por un orden de magnitud al Particle Transformer en eficiencia computacional, logrando además mejores resultados en la clasificación de quarks top y gluones.
El chef en una cocina concurrida no vigila cada olla: echa un vistazo solo a lo que hierve, chisporrotea o está a punto de quemarse. Así, IAFormer, la red neuronal para analizar colisiones de partículas, no pierde tiempo en todos los pares posibles de partículas. Su «atención perezosa» selecciona dinámicamente solo aquellas combinaciones que son realmente importantes, de manera similar a como Стандартная модель describe solo las interacciones clave, ignorando el ruido.
Pero el truco principal de IAFormer es que utiliza números especiales que no dependen de la velocidad de las partículas: como una receta que funciona igual, ya sea que la cocina esté inmóvil o viaje en un tren. Estos invariantes, relacionados con скоростью света, reducen drásticamente los parámetros de la red, haciendo que el modelo sea transparente. Los físicos observan cómo, capa por capa, filtra las fluctuaciones aleatorias y acumula comprensión de la física.
Sorprendentemente, el modelo es tan ligero que funciona en una computadora portátil, procesando datos más rápido de lo que ocurren las colisiones.
🎯 El quark top es la partícula elemental más pesada conocida, su masa es aproximadamente la de un átomo entero de tungsteno, pero se desintegra en 10^−25 segundos, sin llegar a interactuar con nada.