Un contenedor marítimo es una caja fuerte de acero del tamaño de una habitación, repleta de mercancías. Escanearla con rayos X es difícil: las paredes gruesas y la carga densa atenúan los rayos. En su ayuda vienen los muones, partículas que nacen en lo alto del cielo y caen constantemente sobre la Tierra. Atraviesan incluso el plomo, pero se desvían ligeramente de su trayectoria si encuentran algo pesado. Con esas desviaciones se puede deducir qué hay dentro del contenedor sin abrirlo.

El problema es que los muones son escasos y la imagen resultante es ruidosa, como una foto tomada en la oscuridad. Para enseñar a la computadora a distinguir la carga normal de un arma o explosivo oculto, se necesitan miles de ejemplos. Pero casi no hay escaneos reales con amenazas: nadie los lleva al puerto para entrenar. Por eso el programa se entrenó con modelos computacionales de contenedores y luego se le mostraron datos reales. Antes, esa transferencia solía fallar: la imagen de la simulación y la real diferían como un dibujo de una fotografía.

Los autores del nuevo trabajo construyeron un sistema que aprende solo de cargas seguras y busca cualquier desviación de lo habitual. Una red neuronal especial comprime la imagen y la reconstruye, como si la redibujara de memoria. Si en el contenedor hay un objeto extraño, no encaja en la "memoria" y queda como una mancha brillante en la imagen de error. Para descartar interferencias aleatorias, idearon una medida de homogeneidad: detecta cuando la mancha es demasiado uniforme y densa para ser ruido.

Las pruebas se realizaron en contenedores reales dentro del proyecto SilentBorder. El sistema detectó con seguridad los objetos ocultos incluso con diferentes disposiciones de la carga y en tiempo limitado. Esto significa que los puertos podrán revisar más contenedores sin demoras y sin riesgo para las personas. Las partículas cósmicas, que han viajado por el universo durante miles de millones de años, se convierten en una herramienta de seguridad.