Enquanto os cientistas previam os resultados da pesquisa do bóson de Higgs no Grande Colisor de Hádrons com 15 anos de antecedência, a rede neural fez todo o trabalho por eles. Agora é necessário fazer uma nova previsão para os experimentos, o que requer o desenvolvimento de novos experimentos e condições para sua implementação. Mas esta é a beleza da situação: a ciência pode avançar significativamente mais rápido em direção a uma física ainda desconhecida.
Fonte da imagem: CERN
A história começou em 2017, quando um dos líderes da colaboração ATLAS no LHC encarregou o estudante de pós-graduação Aishik Ghosh de desenvolver uma maneira de detectar o bóson de Higgs, detectado pela primeira vez cinco anos antes. Acredita-se que o bóson de Higgs seja responsável pela massa das partículas elementares. No acelerador, ele é produzido pelo processo de colisão e decaimento de prótons.
Em particular, durante o decaimento, podem surgir bósons W, responsáveis por interações nucleares fracas nos núcleos. Durante a fusão dos bósons W, pode surgir um bóson de Higgs, que imediatamente decai em dois bósons Z, que também são portadores de interações nucleares fracas. Por sua vez, os bósons Z decaem em léptons, por exemplo, em pares elétron-pósitron. A nuance é que o bóson de Higgs nem sempre é formado, e esta etapa do processo de decaimento pode ser ignorada sem alterar todo o esquema. E é necessário analisar não o que está lá, mas o que está faltando, e isso é muito mais difícil. Pelo menos para uma rede neural, para a qual, portanto, não há base para treinamento.
Todos esses fenômenos notáveis só podem ser descobertos por meio de modelagem e análise meticulosas de uma quantidade inimaginável de dados experimentais. A situação também se complica pelo fato de que partículas, que são essencialmente campos quânticos, estão sujeitas a interferências. Pense no comportamento de muitos círculos na água durante a chuva. Em condições aproximadamente iguais, mas cem vezes mais complexas, os cientistas procuram traços de cada “gota” e conseguem aprender literalmente tudo sobre ela – da massa a outras características físicas. Se não fosse pelo fenômeno da interferência quântica, a vida dos pesquisadores seria mais simples. Mas não neste Universo…
Um estudante de pós-graduação designado para trabalhar em uma das variantes do decaimento de prótons em bósons W rapidamente percebeu que estava fazendo algo errado. O fenômeno da interferência introduziu um erro tão grande na análise que foi necessário analisar o quadro completo, em vez de trabalhar em uma de suas variantes. Então, o jovem cientista alimentou os dados em uma rede neural que nunca havia sido usada para analisar tais conjuntos de dados antes – trata-se da Inferência Baseada em Simulação Neural (NSBI).
A rede neural do NSBI foi encarregada de modelar de forma independente o experimento do LHC e usar os modelos para prever os resultados das medições do bóson de Higgs. Em vez de tentar estudar trajetórias de decaimento individuais, o novo método levou em consideração todas as trajetórias possíveis e suas interferências, permitindo uma análise de dados mais precisa.
Nessa época, o gerente do projeto se interessou pelo trabalho do aluno de pós-graduação, e outros especialistas da colaboração ATLAS se juntaram a ele. Em dezembro de 2024, dois artigos científicos foram preparados e publicados, após rigorosa revisão por pares. Um artigo descreveu o método e o segundo reanalisou os dados antigos do ATLAS usando uma rede neural. O resultado superou as expectativas. A rede neural forneceu características mais precisas do bóson de Higgs do que a equipe de cientistas.
«Uma das coisas engraçadas sobre esse método que Aysik vem promovendo com tanto afinco é que toda vez que fazemos uma previsão — veja o quão bem vamos nos sair daqui a 15 anos —, nós destruímos completamente essas previsões”, dizem os pesquisadores. “Então agora temos que refazer um conjunto de previsões porque já alcançamos nossas previsões antigas 15 anos no futuro [com a rede neural]. É um problema realmente engraçado.”