🔬 Durante casi 25 años, la física solo había identificado por completo un núcleo atómico con dos partículas lambda, un tipo de núcleo efímero que no existe de forma natural en la Tierra. Cuando un equipo liderado por RIKEN (Instituto de Investigación Física y Química de Japón) dio con el segundo, la herramienta de búsqueda fue un modelo de aprendizaje profundo que lee imágenes de microscopio de una película fotográfica.

Un millón de trazas por centímetro cuadrado

Los protones y neutrones de un núcleo corriente están hechos de dos tipos de quarks, "arriba" y "abajo", las piezas más pequeñas de la materia que se conocen. Un hipernúcleo lleva además un hiperón, una partícula con un quark más pesado llamado "extraño". Si el núcleo alberga dos de los hiperones más sencillos, las partículas lambda, se obtiene un hipernúcleo doble lambda. Se puede fabricar en un acelerador, pero se desintegra casi al instante.

La forma de ver su vida entera es sorprendentemente anticuada: la emulsión nuclear, una película fotográfica especial en la que queda grabado el recorrido de cada partícula con carga eléctrica. Con un microscopio óptico, esas trazas se miden con una precisión de menos de 1 micra. El problema es que la película lo registra todo y no guarda la hora. Según RIKEN, las placas usadas en J-PARC, el complejo de aceleradores de protones de Tokai (prefectura de Ibaraki), gestionado por KEK y la Agencia de Energía Atómica de Japón, acumulan alrededor de 1 millón de trazas por centímetro cuadrado.

Un suceso doble lambda parece una ramita con tres bifurcaciones: el punto donde se forma el núcleo, el punto donde se desintegra la primera lambda y el punto donde lo hace la segunda. Según el nuevo artículo, desde que se observaron los primeros hipernúcleos en emulsión en 1953 solo habían aparecido 47 candidatos con dos quarks extraños en ese material. Entre ellos, un único hipernúcleo doble lambda se había identificado hasta el isótopo exacto: el "evento Nagara", hallado el 18 de enero de 2001 por un estudiante de posgrado de la Universidad de Gifu en placas de un experimento de KEK, y bautizado por el río Nagara, que cruza la ciudad de la universidad. La traza del hipernúcleo doble lambda medía de 8 a 9 micras, más o menos el tamaño de un glóbulo rojo.

Lo que hizo la IA, y lo que no

La búsqueda tradicional se parecía a seguir huellas. Los detectores indicaban por dónde entraba una partícula prometedora en la película y alguien la rastreaba al microscopio. En el experimento E07 de J-PARC, ese método solo alcanzó alrededor del 10 % de los sucesos que se esperaba encontrar: 33 candidatos, solo 3 identificados y ningún núcleo doble lambda identificado de forma inequívoca. El "evento Mino" de 2019, un candidato de berilio, dejó abierto el número de neutrones: entre 4 y 6.

Takehiko Saito, investigador jefe del Laboratorio de Física Nuclear de Altas Energías de RIKEN, empezó a plantearse cuando trabajaba en Alemania si la IA de reconocimiento de imágenes podía ayudar. En 2019 se incorporó a RIKEN y se asoció con especialistas de la Escuela de Posgrado de Inteligencia Artificial y Ciencia de la Universidad Rikkyo. El grupo probó primero el método en 2021, cuando detectó con aprendizaje automático hipertritones, los hipernúcleos más ligeros, en las placas de E07.

El primer obstáculo fueron los datos de entrenamiento: solo existía un ejemplo real confirmado. El equipo generó sucesos con el programa de simulación Geant4 y usó una red generativa antagónica (GAN), un tipo de IA generativa, para que esas imágenes simuladas parecieran fotos reales de microscopio. Con ese material se entrenó un modelo de detección de objetos llamado Mask R-CNN. En imágenes simuladas detectó el 93,8 % de los sucesos buscados, y ante la foto real del evento Nagara de 2001 lo señaló con una puntuación de confianza de 0,974.

Aplicado al 0,2 % de las placas de E07, el modelo redujo las imágenes que debía revisar una persona al 0,17 % del total y señaló 6 candidatos doble lambda. A partir de ahí, el trabajo fue humano. Tres de los autores revisaron los candidatos al microscopio y, en uno de ellos, midieron la longitud, el ángulo y el grosor de cada traza. Anotaron todos los patrones posibles de partículas y desintegraciones y descartaron los que violaban la conservación de la energía y del momento. Quedó una sola respuesta: un hipernúcleo doble lambda de boro-13, con 5 protones, 6 neutrones y 2 partículas lambda. El trabajo se publicó en línea en Nature Communications el 22 de noviembre de 2025 y RIKEN lo anunció el 18 de diciembre de 2025.

El trabajo de la IA fue reducir el pajar a unos pocos puntos que merecía la pena revisar. La identificación salió de la medición minuciosa que los especialistas en emulsión llevan décadas haciendo. El propio artículo reconoce un límite: el modelo aprendió sobre todo la forma del evento Nagara, y las diferencias entre imágenes simuladas y reales podrían introducir sesgos.

"Al fin y al cabo, sigue siendo solo el segundo caso", dijo Saito a Science Portal, el portal de ciencia de la agencia japonesa JST, en septiembre de 2026. "Pero que el aprendizaje automático lo encontrara en apenas 10 meses tiene mucho valor".

¿Con cuánta fuerza se atraen dos lambdas?

La fuerza nuclear une las partículas pero las repele cuando se acercan demasiado, y su funcionamiento todavía no se comprende del todo. Con solo protones y neutrones es difícil separar cómo influye el tipo de quark. Añadir quarks extraños permite cambiar una sola condición cada vez.

El evento Nagara dio la primera cifra. Las dos lambdas dentro del núcleo estaban 0,67 MeV (±0,17) más ligadas de lo que estarían por separado; es decir, se atraen débilmente. El nuevo núcleo de boro-13 dio 2,83 MeV (con un margen de ±1,18). Son unas 4 veces más, aunque la incertidumbre sigue siendo grande. Los autores lo presentan como la primera señal directa de que la fuerza con que se atraen dos lambdas depende del núcleo que las rodea, aunque un solo suceso no basta para zanjar la cuestión.

Las estrellas de neutrones demasiado pesadas

Las estrellas de neutrones son los restos de explosiones de supernova, con un radio de unos 10 kilómetros. Según RIKEN, una cucharadita de su núcleo pesaría mil millones de toneladas. A esas densidades, se espera que parte de los neutrones se conviertan en hiperones. Pero los hiperones ablandan la materia de la estrella, y en los modelos teóricos esta ya no puede sostener más de unas dos veces la masa del Sol. Sin embargo, en 2010 se midió una estrella de neutrones así de pesada. Este desajuste se conoce como el "enigma de los hiperones" y sigue sin resolverse.

Para resolverlo hay que saber cómo se empujan y se atraen los hiperones entre sí. Pero los hiperones viven tan poco que es difícil hacerlos chocar para medir esa fuerza. Según el artículo, el experimento ALICE del LHC europeo estima la atracción entre lambdas por otra vía, a partir de las correlaciones entre partículas producidas en colisiones. Solo la emulsión permite seguir a simple vista, suceso a suceso, cómo se desintegran dos lambdas dentro de un núcleo.

Por qué Japón no abandonó la película

La mayor parte de la física de partículas se volvió digital hace tiempo. Detectores como Kamiokande convierten las partículas en señales eléctricas en tiempo real, y la emulsión puede parecer una reliquia. Aun así, los laboratorios japoneses no la soltaron. Un reportaje de la Universidad de Nagoya de 2017 cuenta que, cuando los fabricantes dejaron de producirla, un laboratorio de esa universidad aprendió el oficio y construyó su propia película y sus sistemas de lectura. Dio frutos en noviembre de 2017, cuando una investigación internacional en la que participaba un equipo de la Universidad de Nagoya informó en Nature, con esta película entre otras herramientas, de un gran espacio desconocido dentro de la pirámide de Keops.

El 99,8 % restante

Si se mantiene la tasa de detección de ese primer 0,2 %, el artículo calcula que el conjunto completo de E07 contiene más de 2.000 sucesos con dos quarks extraños, cientos de ellos pendientes de identificar. Según los autores, el método podría hacer la inspección visual unas 500 veces más eficiente. "Todavía queda mucho tesoro enterrado, así que vamos a desenterrarlo todo", dijo Saito, que también quiere tomar más datos con un nuevo tipo de detector en un acelerador de Estados Unidos.

Un algoritmo criba una montaña de imágenes y una persona confirma lo que señala. En tu país, o en tu trabajo, ¿dónde se traza la línea entre lo que se confía a una máquina para encontrar y lo que una persona tiene que firmar?

Referencias