En el Gran Colisionador de Hadrones chocan protones y del destello nacen decenas de partículas. Entre ellas pueden estar las huellas de procesos raros, como la desintegración del bosón de Higgs en dos bosones W. Pero estas partículas se dispersan tan rápido que sus huellas se funden en un único chorro ancho. Distinguir ese chorro entre miles de otros similares es como encontrar la rama adecuada en un bosque ruidoso.
El nuevo algoritmo, llamado PaRT, actúa como un observador atento. Examina cada partícula dentro del chorro y decide por sí mismo cuáles son más importantes. Este enfoque se denomina mecanismo de atención y es la base de las redes neuronales modernas. PaRT se entrenó con muchos ejemplos: chorros ordinarios y chorros de desintegraciones de distintas partículas. Por primera vez, un algoritmo reconoce bien los chorros del bosón de Higgs que se desintegra en bosones W.
Los físicos probaron el algoritmo con los datos recogidos por CMS durante varios años de funcionamiento. Resultó que en las colisiones reales funciona igual que en las simulaciones, con un factor de corrección de aproximadamente 0.9–1.0. Esto significa que se le puede confiar. Ahora PaRT ayudará a medir con mayor precisión las propiedades del bosón de Higgs y a buscar nuevas partículas que se desintegren de manera similar.
El bosque de partículas se vuelve más comprensible cuando se dispone de una herramienta capaz de resaltar lo esencial. PaRT es esa herramienta: no solo ve los chorros, sino que entiende de qué están hechos.
tal como lo escribieron los autores, en inglés arXiv:2604.09809
A novel deep neural network classifier, a ``Particle transformer'' (PaRT), is introduced for the identification of highly Lorentz-boosted resonances reconstructed as single, multipronged jets in measurements and searches performed by the CMS Collaboration at the CERN LHC. Based on a self-attention mechanism that allows the model to weigh the importance of different particles, PaRT is trained on a wide variety of topologies, notably demonstrating strong performance for the first time on jets originating from boosted Higgs boson decays to W bosons. The PaRT algorithm achieves a tagging efficiency of more than 50\% for such jets at a background efficiency of 1%, while maintaining decorrelation from the jet mass. A calibration is performed in proton-proton collision data collected by CMS at a center-of-mass energy of 13 TeV, with a data set corresponding to a total luminosity of 138 fb$$^{-1}$$. Data-to-simulation selection efficiency scale factors are measured to be in the 0.9$$-$$1.0 range, with relative uncertainties between 7 and 23%. The tagging capability of PaRT enhances the sensitivity of standard model measurements and searches for beyond-the-standard-model resonances decaying to hadronic diboson systems.
El chorro de un bosón de Higgs rápido es tan estrecho que todas sus partículas vuelan dentro de un cono de menos de un grado de apertura, como si desde el otro extremo del campo se acertara a una moneda en la portería de fútbol.
En la serie «Star Trek», los sensores de la nave reconocen al instante los tipos de partículas y su energía; PaRT da un paso hacia esa precisión, solo que para un colisionador terrestre.