En el mundo de la Física Cuántica, muchos son los caminos aún por explorar. La ciencia física avanza gracias, en parte, al desarrollo de nuevas tecnologías basadas en Inteligencia Artificial, que permiten realizar análisis mucho más rápidos y con mayor precisión que los sistemas tradicionales. En este mundo de nuevas tecnologías y el campo de la Física, se acaba de presentar un artículo titulado Likelihood-free inference of experimental Neutrino Oscillations using Neural Spline Flows realizado por dos miembros de Grupo AIA: Sebastian Pina Otey y Vicens Gaitán, y en colaboración con el Instituto de Física de Altas Energías-IFAE-, el Instituto de Ciencia y Tecnología de Barcelona-BIST-, y Federico Sánchez, del departamento de Física de la Universidad de Ginebra.
Para entender qué son las oscilaciones de neutrinos y cómo la utilización de Machine Learning podría ayudar a obtener resultados más precisos, tenemos que dar un paso atrás y ver cómo está conformado el mundo. Nuestro mundo y el universo entero están constituidos por materia. El sol, la tierra, el aire que respiramos, las plantas, los edificios…todo lo que nos rodea está compuesto por átomos.
Incluso nosotros.
Si miramos muy de cerca un átomo, podemos ver que está compuesto en parte por electrones. Los electrones son partículas elementales con carga negativa y están rodeando el núcleo del átomo, lo envuelven. Por otro lado, este núcleo está compuesto por protones, con carga eléctrica positiva, y neutrones, que no tienen carga eléctrica. Los protones y neutrones no son partículas elementales.
Pero esto no queda ahí; si observamos aún más cerca a estos protones y neutrones, veremos que están compuestos por quarks, que sí son partículas elementales. En definitiva, que el mundo que nos rodea está, básicamente, hecho de quarks y electrones. Así, los quarks y electrones (junto con muones y tauones forman las tres generaciones de leptones) conforman los Fermiones.
Volviendo a los neutrinos, gracias al descubrimiento de Wolfgang Pauli, se pudo saber que dos fermiones no pueden tener la misma energía, estar en el mismo lugar y tener idénticos números cuánticos. En nuestro mundo, la mayoría de los objetos mantienen la misma identidad cuando interactúan con algo. Una pelota seguirá siendo una pelota esté parada o en juego y esto no pasa con los neutrinos, que también son fermiones.
Pauli propuso la existencia de una partícula “fantasma” al no haber explicación a la pérdida de energía que se daba cuando un neutrón se dividía en un electrón y un protón. Según la teoría, la suma de energías del protón y del electrón tendría que ser igual a la del neutrón. ¿Os suena eso de “la energía ni se crea ni se destruye, solo se conserva”? La respuesta está en que esta partícula desconocida, que también emitía el neutrón cuando se dividía, contenía la energía restante.
Esta partícula “fantasma”, que fue llamada neutrino por Enrico Fermi, no debería de tener masa, ni carga, ni interacción nuclear. Fermi le puso este nombre en recuerdo del neutrón, porque esta partícula nueva no debería de tener carga como el neutrón, y además era muy escurridiza, indetectable, era un “fantasma”. Esto último indicaba que no debía de tener masa. En el mundo de la física, la teoría da lugar a la práctica, y otras muchas veces, la práctica exige nuevas teorías. Así, para poder confirmar la teoría de la existencia de los neutrinos había que poder verla y estudiarla.
Fueron Clyde L. Kaiwain y Frederic Reines los que demostraron su existencia utilizando agua. Emitieron un haz de neutrones en un tanque de agua extremadamente pura. Se sabe que la luz viaja más despacio en el agua. Si un neutrino con suficiente energía choca con un electrón, el electrón saldrá disparado a través del agua más rápido que la luz. Cuando esto sucede, el electrón emite un débil destello y este destello permite detectar al neutrino.
Así y todo, los neutrinos tienen unas capacidades muy especiales que tienen fascinados a los físicos teóricos de todo el mundo. Una de estas capacidades extraordinarias es la llamada Oscilación de Neutrinos. Existen tres tipos o “sabores” de neutrinos asociados a cada generación de leptones: electrónico, muónico y tauónico, que pueden variar su “sabor” según viajan en la distancia. Aquí entramos de lleno en las denominadas leyes de la mecánica cuántica.
Los neutrinos pueden estar en una combinación de estos tres sabores a la vez: electrónico, muónico y tauónico. Es como el famoso gato de Schrödinger: pueden estar en todos los sabores a la vez, pero hasta que no los ves no sabes qué sabor tiene. De hecho, cada neutrino está compuesto por variaciones de cada uno de los 3 sabores. Estos estados variados se propagan a distintas velocidades y cuando esto ocurre, la combinación de sabores va cambiando según viaja en el tiempo. A este fenómeno se le llama Oscilación de neutrinos.
¿Y qué sabor tendrá al llegar un neutrino a su destino? Aunque no siempre podemos anticiparlo, sí podemos predecir las probabilidades de captar cada uno de ellos. Esto nos hace preguntarnos, ¿qué hace que los tres sabores iniciales se propaguen a velocidades diferentes? La respuesta está en su masa y que éstas son diferentes.
La demostración de la masa de los neutrinos fue lo que hizo que Takaaki Kajita y Arthur McDonald ganaran el Premio Nobel de Física en 2015, además de que se diera un paso adelante hacia un mayor entendimiento del Universo.
Con todo, para poder llegar a estos descubrimientos la tecnología es fundamental. En este campo, Sebastian Pina Otey- doctorando en Física Teórica y miembro de Grupo AIA- presenta en el artículo publicado en arXiv, una propuesta para el uso de Inteligencia Artificial en el análisis de los datos de investigación con neutrinos muónicos como alternativa a la forma tradicional. Actualmente, estos análisis son enormes, complejos y se realizan con las clásicas herramientas de inferencia estadística y comparaciones con histogramas.
Durante el transcurso de sus investigaciones, Sebastian Pina Otey y Vicens Gaitán, ambos investigadores de Grupo AIA, y junto con Federico Sánchez, han demostrado cómo nuevas tecnologías basadas en Inteligencia Artificial ofrecen metodologías alternativas para el análisis de los resultados que se llevan a cabo en el experimento T2K de Japón.
Esta tesis podría entenderse como una Prueba de Concepto, PoC, con la que se demuestra que el uso de Neural Spine Flows arroja resultados libres de ciertas suposiciones que necesitan los métodos clásicos y que estos podrían utilizarse en un futuro dentro de la colaboración con el experimento T2K.
El objetivo de la tesis no es otro que proporcionar nuevas herramientas de análisis de datos basados en IA para el experimento T2K de Japón y así contribuir a entender un poco más cómo está formado el Universo, el mundo y nosotros mismos.
Imagen: neutrino electrónico en SK- T2k.
