La nueva apuesta de los físicos del LHC para descifrar el espacio-tiempo
Los físicos amplían la búsqueda de agujeros negros hipotéticos en las colisiones del LHC. Su estudio podría aportar pistas sobre la estructura del espacio-tiempo y demostrar nuevas estrategias para detectar partículas desconocidas.
El Gran Colisionador de Hadrones (LHC, por su sigla en inglés) es el acelerador de partículas más grande del mundo, operado por el CERN en la frontera entre Suiza y Francia. Acelera haces de protones a velocidades cercanas a la de la luz y los hace colisionar. En estas colisiones, la enorme energía permite el estudio de partículas fundamentales y la comprobación de modelos.
Una de las posibilidades investigadas teóricamente es la formación de agujeros negros microscópicos durante las colisiones. Estos objetos serían extremadamente pequeños e inestables, desapareciendo casi inmediatamente después de su formación mediante procesos cuánticos.
Investigadores de la Universidad de California en Santa Bárbara han desarrollado una nueva estrategia para buscar señales compatibles con estos eventos en los datos del acelerador. La búsqueda pone a prueba si las colisiones del LHC podrían producir fenómenos asociados con una estructura del espacio-tiempo.
¿Qué es el LHC?
El LHC es el acelerador de partículas más grande y potente en funcionamiento, ubicado en el CERN en la frontera entre Suiza y Francia. Acelera haces de protones a velocidades cercanas a la de la luz y provoca que colisionen en puntos específicos del anillo de 27 kilómetros. En estas colisiones, la energía concentrada permite estudiar los componentes fundamentales de la materia.
En 2012, los experimentos ATLAS y CMS anunciaron la observación de una nueva partícula con una masa aproximada de 125 GeV, cuyas propiedades son compatibles con las del bosón de Higgs. Este descubrimiento confirmó la existencia de la partícula asociada al campo de Higgs, demostrando una predicción real.
¿Cómo crear agujeros negros?
La idea de producir agujeros negros cuánticos en el LHC surgió hace unas dos décadas, cuando los físicos propusieron que las colisiones podrían formar estos objetos. Una colisión entre dos protones podría, bajo ciertas condiciones, concentrar energía para crear una pequeña región del espacio-tiempo con comportamiento de agujero negro.
Estos objetos serían diferentes de los agujeros negros astrofísicos. Según la propuesta, un agujero negro cuántico formado en una colisión se desintegraría casi inmediatamente antes de crecer o absorber la materia circundante. Por lo tanto, en el LHC la hipótesis implica probar los efectos gravitacionales cuánticos.
La controversia del LHC
Las preocupaciones sobre la posible producción de agujeros negros peligrosos han sido descartada por análisis de seguridad y comparaciones con colisiones de rayos cósmicos de energías aún mayores que ocurren naturalmente en la atmósfera. Además, cualquier agujero negro cuántico producido en el LHC debería evaporarse prácticamente instantáneamente.
Aun así, los físicos se percataron de que su eventual desintegración podría dejar huellas detectables en los productos de las colisiones. Dado que estos eventos serían extremadamente raros, conjuntos de datos más amplios permiten una mayor sensibilidad en la búsqueda y el análisis de regiones de energía cada vez más elevadas.
Nuevas metodologías
Los investigadores utilizaron dos características principales para buscar indicios de agujeros negros cuánticos: la esfericidad de los eventos y la energía total de las partículas producidas. Un agujero negro que se desintegrara inmediatamente debería generar partículas distribuidas aproximadamente en todas las direcciones.
El equipo también aplicó el método de distancia en el espacio de fases, que representa simultáneamente propiedades como la energía, el momento y la posición de los productos de la colisión. Este enfoque les permitió comparar la estructura de los eventos e identificar aquellos más similares a la señal esperada.
Referencia de la noticia
Vami, Zhang. (2026). Search for Black Holes and Sphalerons Using Novel Machine Learning Techniques at CMS.