Investigadores del LHC utilizan aprendizaje automático para buscar agujeros negros microscópicos

El Gran Colisionador de Hadrones (LHC) del CERN, ubicado en la frontera entre Suiza y Francia, ha incorporado una estrategia basada en aprendizaje automático para identificar posibles agujeros negros microscópicos generados en colisiones de protones. Los científicos de la Universidad de California en Santa Bárbara desarrollaron un algoritmo que analiza la esfericidad y la energía total de los eventos, buscando patrones que coincidan con la desintegración casi instantánea de estos objetos cuánticos.

Según los investigadores, la formación de un agujero negro cuántico implicaría la concentración de energía en una región extremadamente pequeña, produciendo partículas distribuidas en todas las direcciones antes de evaporarse por efecto Hawking. El método de distancia en el espacio de fases permite comparar simultáneamente energía, momento y posición de los productos de colisión, lo que facilita la identificación de eventos que se asemejen a la señal esperada.

El estudio no solo busca confirmar la existencia de agujeros negros microscópicos, sino también delimitar teorías que predicen dimensiones adicionales y orientar futuras búsquedas de fenómenos más allá del Modelo Estándar. Los resultados hasta la fecha no han revelado evidencia concluyente, pero han permitido establecer límites más estrictos sobre la probabilidad de estos eventos.

La comunidad científica ha descartado riesgos de seguridad asociados a la producción de agujeros negros en el LHC, citando análisis comparativos con colisiones de rayos cósmicos de energías superiores que ocurren naturalmente en la atmósfera. Aun así, la investigación continúa, aprovechando conjuntos de datos cada vez más amplios para mejorar la sensibilidad de la búsqueda.