Científicos han desarrollado VyPER, un novedoso marco de aprendizaje geométrico para la reconstrucción de eventos en experimentos de colisionadores de partículas. Este sistema aborda el desafío de inferir la cinemática de partículas de vida corta a partir de los estados finales estables detectados. La reconstrucción se descompone en dos tareas principales: asignar los chorros (jets) y leptones cargados medidos a sus partículas progenitoras, y predecir la cinemática de los neutrinos no detectados directamente.

VyPER representa los eventos del colisionador como hipergrafos con una topología inspirada en la física. Combina la clasificación supervisada de hiperaristas para la asignación de partículas con un modelo de difusión para predecir la cinemática de los neutrinos. Unifica ambas tareas mediante una función de pérdida conjunta, optimizando la reconstrucción dentro de un único marco. Este enfoque permite una inferencia más precisa de las propiedades de las partículas efímeras.

El rendimiento de VyPER ha sido demostrado en diversos procesos de colisiones protón-protón, superando a técnicas de reconstrucción analíticas y basadas en aprendizaje automático existentes. Este avance facilita una reconstrucción precisa de eventos en una amplia gama de procesos de la física del Modelo Estándar, abriendo nuevas vías para mediciones de precisión en los sectores del bosón de Higgs, la interacción electrodébil y el quark cima.