Aprendizaje automático para la búsqueda de nueva física
3. Aprendizaje automático para la búsqueda de nueva física¶
Debido a la alta energía de las colisiones en el LHC, una gran cantidad de eventos resultan en jets. Los eventos con estado final de jets se han utilizado para buscar nuevas partículas que expliquen algunas de las limitaciones del modelo estándar y para profundizar en lo que se conoce del modelo estándar. Por al gran volumen y la complejidad de los datos, esta búsqueda ha presentado múltiples retos, por lo que en la última década se ha estudiado el uso de aprendizaje automático como una herramienta que podría ser capaz de aprovechar la cantidad y complejidad de los datos para realizar búsquedas libres de modelo. Sin embargo, el uso de aprendizaje automático para buscar nueva física es reciente y requiere mayor investigación.
El uso de aprendizaje automático en búsqueda de nueva física es amplio. Un resumen de conceptos básicos y el uso de estas herramientas se encuentra en la Sección 3.1. Se han realizado múltiples esfuerzos para investigar y perfeccionar el uso del aprendizaje automático para las búsquedas de partículas nuevas, puesto que estas herramientas prometen mejoras en esta tarea. Un ejemplo de este esfuerzo son las olimpiadas LHC 2020, un evento para investigar en comunidad el uso de algoritmos de detección de anomalías utilizando eventos simulados de física BSM. Este evento se describe en la Sección 3.2. Finalmente, al hacer investigación científica con estas herramientas, se deben considerar los métodos que permitan la reproducibilidad, lo que se discute en la Sección 3.3.