Este artículo propone la Búsqueda Evolutiva de Árboles de Monte Carlo (Evo-MCTS), una novedosa metodología para la detección de señales de ondas gravitacionales con parámetros de origen desconocidos, ocultos en el ruido dinámico del detector. Evo-MCTS explora sistemáticamente el espacio de soluciones de algoritmos incorporando la guía de un modelo de lenguaje a gran escala (LLM) y restricciones físicas que reconocen el dominio. Al combinar la exploración estratégica mediante MCTS con el refinamiento de soluciones mediante algoritmos evolutivos, Evo-MCTS mantiene la interpretabilidad a la vez que proporciona heurísticas que reconocen el dominio mediante la generación explícita de rutas algorítmicas. En el conjunto de datos de referencia MLGWSC-1, Evo-MCTS alcanza un rendimiento un 20,2 % superior al del algoritmo de detección de ondas gravitacionales de vanguardia anterior y un 59,1 % superior al de otros marcos de optimización de algoritmos basados en LLM. Este marco presenta una metodología transferible para el descubrimiento automatizado de algoritmos en diversas disciplinas de la ciencia computacional.
