Una cinta transportadora por la que cada segundo pasan 30 millones de paquetes, y un controlador debe decidir al instante qué hay dentro: ¿carga valiosa o basura? En el Gran Colisionador de Hadrones, esa cinta es el disparador del experimento LHCb, que selecciona desintegraciones raras de partículas entre miles de millones de colisiones. Antes, el controlador era un conjunto de reglas simples: si la señal superaba un umbral, la partícula parecía un muón o un electrón. Pero las reglas dejaban pasar mucha basura y, a veces, se perdían señales preciosas.

Ahora, las reglas han sido reemplazadas por redes neuronales, controladores entrenables que no ven una sola característica, sino un panorama completo. Para que la red no se distraiga con el ruido ni confunda fluctuaciones aleatorias con una señal, se le ha limitado la sensibilidad: incluso si los datos de entrada cambian ligeramente, la salida no se altera. Es como un controlador con pulso firme que no se sobresalta ante cualquier susurro. Las redes resultaron diminutas: alrededor de 500 parámetros, es decir, aproximadamente 2 kilobytes en precisión simple. Por cada traza añaden solo 24–28 bytes de datos.

Hasta este trabajo, no estaba claro si era posible encajar la identificación de leptones mediante redes neuronales en el presupuesto estricto del disparador de GPU sin perder velocidad ni fiabilidad. Ahora se ha demostrado que sí es posible. Con la misma eficiencia de señal, las redes neuronales suprimen el fondo mejor que los algoritmos de umbral anteriores en todas las regiones cinemáticas estudiadas, ocupando menos del 1% del tiempo de GPU. El controlador de la cinta se ha vuelto más inteligente, pero no ha perdido firmeza en el pulso.