Red neuronal al oído: cómo capturar la energía de una partícula ⚡ экспресс
Se presentan arquitecturas de redes neuronales para la reconstrucción de la energía depositada en las celdas de los calorímetros de argón líquido de ATLAS ante los altos niveles de superposición de eventos (pile-up) previstos en el HL-LHC. Las redes están diseñadas para ejecutarse en la electrónica de lectura basada en FPGA (matrices de puertas lógicas programables) con estrictas limitaciones de tamaño y latencia. Las redes completamente conectadas (Dense), recurrentes (RNN) y convolucionales (CNN) se optimizaron mediante un procedimiento bayesiano que equilibra la resolución energética y el número de parámetros. Las arquitecturas optimizadas Dense, CNN y la combinada Dense+RNN alcanzan una resolución energética transversal de aproximadamente 80 MeV, superando tanto al método de filtrado óptimo (OF) actualmente en uso como a las RNN de complejidad comparable. Una comparación detallada en todo el rango dinámico muestra que Dense, CNN y Dense+RNN reproducen fielmente la escala de energía, mientras que OF y RNN subestiman la energía. Para obtener incertidumbres fiables evento a evento, se incorporó la regresión evidencial profunda (Deep Evidential Regression) en la arquitectura Dense; este enfoque proporciona estimaciones de incertidumbre predictiva con un aumento mínimo del tamaño de la red.
Medir la energía de una partícula en el Gran Colisionador de Hadrones es como escuchar un susurro entre una multitud rugiente. Al colisionar protones, nace una avalancha de partículas cuyas señales se funden en una cacofonía. Los métodos convencionales, como un oído tapado por el ruido, subestiman sistemáticamente la energía.
Los científicos crearon una red neuronal que opera directamente en el detector. Escucha atentamente este bullicio y capta la débil voz de la partícula deseada. Las mejores versiones de la red se equivocan en fracciones de un por ciento, como confundir 80 granos de arena entre un millón. Además, la red se entrenó con eventos simulados, pero reconoce sin error los datos reales.
Ahora los físicos podrán estudiar con más precisión partículas esquivas, como la materia oscura, incluso en medio de un fuerte ruido. Y toda esta perspicacia cabe en un chip más pequeño que una caja de cerillas.
🎯 El detector ATLAS tiene el tamaño de un edificio de ocho pisos, pero la red neuronal que procesa sus señales cabe en un chip más pequeño que una caja de cerillas.