El proyecto LORRAINE, liderado por el catedrático de la ETSI José Antonio Dueñas, desarrolla nuevos algoritmos basados en redes neuronales para aumentar la precisión en el análisis de partículas de baja energía en grandes instalaciones internacionales como CERN, GANIL o TRIUMF.
La Universidad de Huelva impulsa una nueva línea de investigación que combina física nuclear experimental, electrónica e inteligencia artificial para afrontar uno de los principales retos de los grandes experimentos científicos: identificar con mayor precisión las partículas generadas durante las reacciones nucleares. A través del proyecto LORRAINE (‘Low Energy Particle Identification using Neural Networks’, es decir, ‘Identificación de partículas de bajas energías usando redes neuronales’, PID2024-160773NB-C22), el equipo liderado por José Antonio Dueñas Díaz, catedrático de Ingeniería Eléctrica de la Escuela Técnica Superior de Ingeniería (ETSI) e investigador principal (IP) del proyecto, desarrolla algoritmos avanzados basados en redes neuronales capaces de mejorar el análisis de partículas de baja energía.
El proyecto, con una duración de tres años, lo integran además los investigadores Patricio Salmerón, catedrático de Ingeniería Eléctrica, y Juan Luis Flores, profesor colaborador de la Onubense. Su finalidad es combinar los métodos clásicos de análisis de señales con las técnicas más avanzadas de aprendizaje automático para incrementar la capacidad de identificación de partículas en experimentos desarrollados en algunos de los principales aceleradores de partículas internacionales.
Cuando se produce una reacción nuclear (resultado de la colisión de partículas aceleradas contra un determinado material) se generan nuevos fragmentos que son detectados mediante sofisticados sistemas electrónicos, y la información contenida en las señales eléctricas que producen estos detectores permite conocer la naturaleza de cada partícula, su energía o su masa. Sin embargo, cuando las partículas poseen bajas energías, esas señales son mucho más débiles y difíciles de interpretar, señala el investigador principal.
«Nuestro trabajo consiste principalmente en identificar las partículas que se producen en las reacciones nucleares; cuando una partícula incide sobre un detector de silicio genera una señal eléctrica que contiene toda su información”, detalla Dueñas, afirmando que el reto es “interpretar correctamente esa señal para saber exactamente qué partícula la ha producido».
Tradicionalmente, esta identificación se ha realizado mediante complejos algoritmos matemáticos. Sin embargo, el incremento de la complejidad de los experimentos y la aparición de nuevas tecnologías de detección han impulsado la búsqueda de soluciones más eficientes. En este contexto, el proyecto LORRAINE apuesta por incorporar técnicas de inteligencia artificial basadas en redes neuronales profundas (Deep Neural Networks), capaces de aprender a reconocer patrones complejos y mejorar tanto la rapidez como la precisión del análisis.
Las redes neuronales, pilar básico de la inteligencia artificial moderna, “aprenden por sí solas a reconocer patrones que, mediante métodos tradicionales, pueden pasar desapercibidos”. Ese aprendizaje, explica el investigador, “nos permite identificar partículas con mayor rapidez y precisión y detectar efectos que, de otra forma, resultarían muy difíciles de observar».
Las redes neuronales artificiales son algoritmos inspirados en el funcionamiento del cerebro humano que, tras un proceso de entrenamiento con miles de ejemplos, aprenden a distinguir automáticamente señales muy similares. Una vez entrenadas, pueden analizar grandes volúmenes de datos prácticamente en tiempo real, una capacidad especialmente valiosa en instalaciones científicas donde se generan millones de eventos experimentales.
Los desarrollos del equipo de la Universidad de Huelva se aplican al análisis de datos obtenidos en grandes infraestructuras internacionales de investigación, entre ellas el CERN, el laboratorio GANIL (Francia), los Laboratorios Nacionales de Legnaro (Italia) o el acelerador TRIUMF (Canadá). El proyecto se integra además en la colaboración internacional ACTAR, dedicada al desarrollo de instrumentación para experimentos de física nuclear.
La contribución de la Universidad de Huelva se centra tanto en el desarrollo de los algoritmos como en la caracterización de detectores de silicio y otros dispositivos de instrumentación científica utilizados posteriormente en estas instalaciones internacionales. «Aquí aportamos conocimiento especializado, personal investigador e instrumentación que nos permite caracterizar los detectores antes de utilizarlos en los aceleradores de partículas; después analizamos los datos obtenidos en los experimentos para mejorar la identificación de las partículas», apunta Dueñas.
Aunque se trata de investigación básica, sus resultados tienen un notable potencial de transferencia hacia otros ámbitos científicos y tecnológicos. Una identificación más precisa de partículas puede contribuir al desarrollo de nueva instrumentación científica y encontrar aplicaciones en campos como la medicina nuclear (por ejemplo, el PET-TAC o Tomografía por Emisión de Positrones, la dosimetría o la protonterapia), la ciencia de materiales o la investigación energética.
En este sentido, el investigador subraya que «todo el conocimiento que se genera en identificación de partículas puede aplicarse posteriormente en numerosos campos, especialmente en medicina nuclear, ciencia de materiales o en futuras investigaciones relacionadas con la energía».
Además del avance científico, el proyecto constituye una importante herramienta de formación para estudiantes e investigadores de la Universidad de Huelva. El equipo ofrece la posibilidad de participar en trabajos de laboratorio, desarrollar proyectos fin de grado y máster y, en algunos casos, colaborar en campañas experimentales desarrolladas en grandes laboratorios internacionales.
El proyecto LORRAINE se enmarca en una tendencia creciente dentro de la física experimental: la incorporación de la inteligencia artificial como herramienta de apoyo para el análisis de datos científicos. Sin sustituir a la instrumentación experimental, estas tecnologías están transformando la forma en que los investigadores interpretan la enorme cantidad de información generada en los aceleradores de partículas.
«La inteligencia artificial no va a cambiar los laboratorios, que seguirán dependiendo de la mejor instrumentación posible, pero sí está revolucionando la forma en que analizamos los datos. Estamos todavía en el comienzo de esa transformación y su impacto será enorme en los próximos años», concluye José Antonio Dueñas.