CERN observa jet quenching en colisiones de oxígeno en el LHC

El hallazgo: el sistema más pequeño que muestra jet quenching

El CERN confirmó el 31 de agosto de 2026, a través de un preprint publicado en arXiv (2606.19967), la observación directa de jet quenching —pérdida de energía de partones al atravesar un medio denso— en colisiones oxígeno-oxígeno (O-O) dentro del LHC. Es la primera vez que este fenómeno, hasta ahora exclusivo de sistemas grandes como el plomo (Pb-Pb), aparece en un sistema de apenas 16 nucleones, casi trece veces más pequeño que el núcleo de plomo, que tiene 208.

El equipo de ALICE (A Large Ion Collider Experiment), uno de los nueve detectores del LHC, midió la producción de piones neutros en las colisiones O-O realizadas desde julio de 2025 y las comparó con colisiones oxígeno-protón (O-p) del mismo período como control. La supresión observada en O-O coincidió, según los investigadores, con el patrón característico del jet quenching visto en plomo-plomo.

¿Qué es el jet quenching y por qué importa?

Para entender el hallazgo hay que retroceder a los primeros microsegundos tras el Big Bang, hace unos 13.800 millones de años. Las temperaturas eran tan extremas que protones y neutrones no podían existir como tales: la materia estaba en un estado llamado plasma de quarks y gluones (QGP), donde los componentes internos de los hadrones se movían libremente. Este plasma no se comporta como un gas, sino como un fluido con viscosidad extraordinariamente baja, casi perfecta.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

El jet quenching ocurre cuando un quark o gluón de alta energía —llamado partón— atraviesa esa gotita de plasma y pierde energía antes de salir y fragmentarse en un chorro de partículas. Esa pérdida es la firma más directa de que existió un medio denso. Según reportó Interesting Engineering, los intentos previos de obtener esa firma en colisiones protón-protón solo habían mostrado comportamiento colectivo indirecto, nunca pérdida directa de energía.

¿Por qué el oxígeno es el caso límite?

El núcleo de oxígeno, con 16 nucleones, se sitúa en una zona gris que los modelos teóricos no resolvían del todo. ¿Es suficiente para formar una gotita de QGP detectable, o es demasiado pequeño? Los resultados indican que sí: el sistema es lo bastante grande para generar la firma del jet quenching y lo bastante pequeño para servir como banco de pruebas intermedio entre las colisiones protón-protón y las de plomo-plomo.

Un estudio complementario publicado en Physical Review C y reportado por Phys.org, liderado por el profesor Tetsufumi Hirano de la Universidad Sophia, modeló estas mismas colisiones a 5.36 TeV con el marco DCCI2 (dynamical core–corona initialization) y concluyó que cuando la multiplicidad de partículas cargadas supera aproximadamente 20, la fracción equilibrada de la materia ya domina sobre la no equilibrada. Aun así, la corona no desaparece: sigue representando alrededor del 30% de la producción hadrónica incluso en las colisiones O-O más centrales.

Implicaciones para los modelos de cromodinámica cuántica

El resultado obliga a revisar tres ideas:

Umbral de formación del QGP. Si 16 nucleones bastan para mostrar jet quenching, los modelos que situaban la frontera del QGP en sistemas significativamente más grandes necesitan recalibrarse.
Naturaleza del fluido. Las partículas en O-O conservan un movimiento colectivo fuerte, coherente con el comportamiento de fluido casi perfecto observado en plomo. La analogía entre ambos sistemas es más limpia de lo esperado.
Eficiencia experimental. Las campañas O-O y Ne-Ne consumen mucho menos tiempo de máquina que las largas Pb-Pb. Si el oxígeno produce señales claras, el LHC gana un instrumento más accesible para afinar los modelos teóricos del universo temprano.

¿Qué significa esto para tu startup?

Aunque el hallazgo es de física fundamental, hay tres lecciones prácticas para equipos tech que trabajan con datos a gran escala:

Diseña experimentos en el borde, no solo en el centro. ALICE eligió O-O precisamente porque estaba en el límite teórico. En producto y datos, los casos frontera suelen revelar si tu modelo aguanta o se rompe. Mapea los bordes antes de escalar.
Usa controles del mismo período. Comparar O-O con O-p del mismo run descartó efectos sistemáticos del detector. En tus propios pipelines, mide contra un control generado en las mismas condiciones, no contra baselines históricos.
Apóyate en infraestructura de cómputo madurada en física. El CERN lleva décadas resolviendo problemas de filtrado de eventos entre petabytes de datos. Revisar qué herramientas libera la organización (OpenStack,ROOT, servicios de grid computing reutilizables) puede ahorrarte meses en tu propia plataforma de análisis.

El ángulo IA y cómputo que deja el resultado

El ciclo largo entre toma de datos y publicación definitiva —típico en ALICE— se está acortando. El preprint del 31 de agosto llega mientras la campaña O-O y Ne-Ne de 2025 sigue activa, lo que sugiere confianza estadística suficiente para presentar antes del cierre del análisis. El AI Index 2026 de Stanford documenta que el aprendizaje profundo está reduciendo los tiempos de filtrado en detectores como ALICE, y la comparación de millones de colisiones para encontrar las relevantes exige cómputo masivamente paralelo y almacenamiento a escala de petabytes, exactamente la misma infraestructura que soporta cargas de IA de alta demanda.

La conexión con el debate sobre energía nuclear para data centers no es directa, pero sí ilustrativa: operar el LHC requiere electricidad equivalente a la de una ciudad media europea durante sus campañas. Toda infraestructura intensiva en cómputo —física de partículas, entrenamiento de modelos grandes, simulaciones— comparte el mismo problema de costo energético y planificación de capacidad a largo plazo.