La Universidad de Huelva está impulsando una nueva línea de investigación que fusiona la física nuclear experimental, la electrónica y la inteligencia artificial para abordar un desafío crucial en los grandes experimentos científicos: la identificación precisa de partículas generadas en reacciones nucleares. El proyecto LORRAINE (‘Low Energy Particle Identification using Neural Networks’) se centra en el desarrollo de algoritmos avanzados basados en redes neuronales para optimizar el análisis de partículas de baja energía.
Este proyecto, con una duración de tres años, cuenta con la participación de investigadores como José Antonio Dueñas Díaz, catedrático de Ingeniería Eléctrica y líder del proyecto, Patricio Salmerón, catedrático de Ingeniería Eléctrica, y Juan Luis Flores, profesor colaborador. Su objetivo es combinar los métodos clásicos de análisis de señales con técnicas de aprendizaje automático para potenciar la capacidad de identificación de partículas en experimentos internacionales.
Las reacciones nucleares, producidas por la colisión de partículas aceleradas contra materiales, generan fragmentos que son detectados por sistemas electrónicos sofisticados. La información de estas señales eléctricas permite conocer la naturaleza, energía y masa de cada partícula. Sin embargo, las partículas de baja energía emiten señales más débiles y difíciles de interpretar, según explica el investigador principal.
Dueñas detalla que el trabajo consiste en identificar las partículas a través de las señales eléctricas que generan al incidir sobre un detector de silicio, siendo el reto principal la correcta interpretación de estas señales. Tradicionalmente, se usaban algoritmos matemáticos complejos, pero la creciente complejidad de los experimentos y las nuevas tecnologías de detección han impulsado la búsqueda de soluciones más eficientes.
El proyecto LORRAINE apuesta por la inteligencia artificial, específicamente redes neuronales profundas (Deep Neural Networks), que aprenden a reconocer patrones complejos, mejorando la rapidez y precisión del análisis. Estas redes neuronales, inspiradas en el cerebro humano, pueden distinguir señales similares tras un proceso de entrenamiento y analizar grandes volúmenes de datos en tiempo real, algo vital en instalaciones científicas que generan millones de eventos.
Los desarrollos de la Universidad de Huelva se aplican a datos de infraestructuras internacionales como el CERN, el GANIL en Francia, los Laboratorios Nacionales de Legnaro en Italia y el acelerador TRIUMF en Canadá. El proyecto se integra en la colaboración internacional ACTAR, centrada en instrumentación para física nuclear.
La contribución de la UHU abarca el desarrollo de algoritmos y la caracterización de detectores de silicio y otros dispositivos de instrumentación científica. El equipo aporta conocimiento especializado, personal investigador e instrumentación para caracterizar detectores antes de su uso en aceleradores, y posteriormente analiza los datos experimentales para mejorar la identificación de partículas.
Aunque es investigación básica, sus resultados tienen potencial de transferencia a otros campos. Una identificación más precisa de partículas podría impulsar avances en medicina nuclear (como PET-TAC, dosimetría o protonterapia), ciencia de materiales o investigación energética. Dueñas subraya que este conocimiento es aplicable en numerosos campos.
Además del avance científico, el proyecto es una herramienta formativa para estudiantes e investigadores de la UHU, ofreciendo participación en trabajos de laboratorio, proyectos fin de grado y máster, y colaboraciones en campañas experimentales internacionales.
El proyecto LORRAINE se alinea con la tendencia creciente en física experimental de incorporar la inteligencia artificial para el análisis de datos científicos. Estas tecnologías están transformando la interpretación de la información generada en aceleradores de partículas, sin sustituir la instrumentación experimental.
José Antonio Dueñas concluye que la inteligencia artificial no cambiará los laboratorios en sí, pero sí revoluciona el análisis de datos, marcando el inicio de una transformación con un impacto enorme en los próximos años.
