Speaker
Description
La escasez de eventos de rayos cósmicos de ultra-alta energía ($>10^{18}$ eV) limita el conocimiento sobre su origen y composición. En este trabajo se desarrolla un pipeline completo para generar características cuánticas mediante circuitos variacionales e integrarlas en un modelo XGBoost para la predicción de la profundidad atmosférica del máximo (Xmax). Se realiza un barrido sistemático de hiperparámetros del circuito (número de qubits $nq$ de 2 a 8 y número de capas $L$ de 1 a 5), generando 630 configuraciones. Se definen métricas de calidad para seleccionar los bloques más informativos, basadas en correlación intra-bloque, correlación con la variable objetivo y redundancia. El modelo híbrido, entrenado con los 15 mejores bloques, mejora significativamente al modelo clásico en el conjunto de prueba ($R^2$ de 0.73 a 0.80, RMSE de 26.8 a 22.9 g/cm²). Sin embargo, al aplicarlo a un conjunto de validación externo, las predicciones del modelo híbrido son prácticamente idénticas a las del clásico (diferencia media de 0.35 g/cm²)
Se concluye que el pipeline es robusto en la creación de datos cuánticos y que las características cuánticas no degradan el rendimiento, pero la ventaja significativa en datos reales sigue siendo un desafío abierto.
