El protón parece una bolita compacta, pero en su interior hierve la actividad: los quarks intercambian gluones, las partículas que los mantienen unidos. Los gluones aparecen y desaparecen, y su distribución dentro del protón no es un mero detalle curioso, sino la clave para hacer predicciones en el Gran Colisionador de Hadrones. Antes, estas distribuciones (conocidas como funciones de partones) se extraían de los datos como quien saca peces del agua: se colocaba la captura en cestas-celdas y se contaba cuántos caían en cada una. Pero con esa clasificación, los detalles finos se pierden.
Ahora los físicos probaron un enfoque diferente: pasar toda la captura, sin cestas, a través de una red neuronal. La red aprende de millones de eventos de colisión en los que se producen pares de quarks top, las partículas más pesadas conocidas. Observa los datos crudos y sin segmentar del detector y extrae por sí misma los patrones. Por primera vez, este enfoque se aplicó a la distribución de gluones, y la precisión mejoró notablemente.
Este método no solo mejora las cifras. Elimina la dependencia de suposiciones toscas sobre cómo se relacionan los errores entre sí. Cuando los datos no se cortan en pedazos, la red neuronal ve el panorama completo y se equivoca menos. Para el futuro colisionador de alta luminosidad, donde habrá muchas más veces más datos, esta precisión será una necesidad.
tal como lo escribieron los autores, en inglés arXiv:2604.13157
The precise determination of the parton distribution functions (PDFs) of the proton is an essential ingredient for LHC analyses, including for those at the upcoming High-Luminosity LHC. So far, PDFs are determined from global fits to binned low-dimensional data obtained from unfolded hard-scattering cross section measurements. In this work we demonstrate for the first time the feasibility of neural simulation-based inference (NSBI) for constraining the proton PDFs using a high-dimensional unbinned data set. Exploiting the full statistical power of unbinned data removes the loss of information inherited by the binning procedure. As a proof-of-concept, we determine the gluon PDF from simulated data of top quark pair production at the LHC with $$\sqrt{s}=13$$ TeV. Taking into account both experimental and theoretical systematic uncertainties in the detector-level features, we demonstrate how the NSBI pipeline achieves significant improvements in precision compared to existing low-dimensional binned analyses. Our results illustrate the potential of unbinned inference to reduce the reliance on coarse approximations of uncertainties and their correlations entering PDF determinations, hence contributing to a new paradigm of unbinned detector-level ML-assisted measurements at the LHC.
Los gluones fueron descubiertos en 1979 en un experimento en el acelerador PETRA en Hamburgo: tres chorros de partículas de la colisión de un electrón y un positrón revelaban la presencia de una tercera partícula invisible.
En la serie «Star Trek», los quarks y los gluones se mencionan como fuente de energía del motor de curvatura, aunque en realidad su dinámica interna sigue desconcertando a los físicos.