IA aplicada à física teórica identifica novas partículas candidatas à matéria escura
"Estudo do LIP identifica soluções compatíveis com dados experimentais e abre novas perspetivas sobre a matéria escura"
Investigadores do LIP usaram algoritmos evolutivos de inteligência artificial (IA) para testar novas ideias sobre matéria escura e identificaram partículas candidatas que um dia poderão ser observadas no LHC do CERN.
O estudo, publicado recentemente na revista Journal of High Energy Physics, mostra como técnicas de inteligência artificial (IA) podem acelerar a procura por soluções viáveis em física de partículas, ajudando a compreender fenómenos que o Modelo Padrão ainda não explica, como a natureza da matéria escura e a origem da massa dos neutrinos.
Para este trabalho, Fernando Abreu de Souza e Nuno Castro (LIP/Universidade do Minho), em colaboração com Miguel Crispim Romão (LIP/Universidade de Durham, UK) e Werner Porod (Universidade de Würzburg, Alemanha), aplicaram IA a um modelo teórico conhecido como modelo escotogénico.
Este modelo tenta explicar simultaneamente a matéria escura e as massas dos neutrinos, mas inclui 46 parâmetros livres, e cada um deles pode assumir uma grande amplitude de valores possíveis. É como tentar ajustar 46 botões ao mesmo tempo, até encontrar a combinação certa, um problema de otimização que seria praticamente impossível resolver sem ajuda computacional.
“Neste trabalho a IA está a aprender uma relação não trivial entre as previsões de modelos teóricos de nova física e os resultados experimentais existentes, a fim de encontrar realizações viáveis destes modelos teóricos”, explica Fernando Abreu de Souza, investigador do LIP e primeiro autor do artigo.
A equipa usou algoritmos de otimização multiobjetivo, baseados em processos evolutivos e aprendizagem automática, capazes de testar milhões de combinações e aprender com os resultados de cada tentativa, refinando continuamente as soluções.
“Sem IA, testámos mais de um milhão de soluções aleatórias e não encontrámos nenhuma compatível”, refere o investigador. “Com a IA, conseguimos identificar soluções viáveis em menos de uma hora, e o algoritmo continuou a correr, encontrando novas combinações. O resultado do trabalho são milhões de soluções compatíveis com os dados experimentais.”
Essas soluções incluem configurações teóricas que não tinham sido identificadas por estudos anteriores com ferramentas tradicionais. Segundo o investigador, “isso é importante porque abre novas hipóteses que poderão ser testadas em experiências como o LHC do CERN”.
Para Fernando Abreu de Souza, o impacto imediato do estudo vai além dos resultados científicos:
“O maior impacto imediato deste trabalho vem da vertente tecnológica, já que a metodologia desenvolvida é geral e pode ser aplicada por outros grupos na procura de nova física. Ainda assim, as novas soluções de modelos teóricos que encontramos também são relevantes e deverão ser testadas experimentalmente no futuro.”