Am CERN rechnet man mit unerwarteten Entdeckungen – dank KI

Wie sieht die Suche nach dem «Gottesteilchen» am CERN aus? Dieses Bild wurde mithilfe von CGI erstellt. © 2026 Shutterstock

Jede Sekunde erzeugt der Large Hadron Collider des CERN 40 Millionen Teilchenkollisionen – weit mehr Daten, als jeder Computer auf der Erde jemals speichern oder analysieren könnte. Deshalb lassen CERN-Forschende die KI in Echtzeit und im Bruchteil einer Sekunde entscheiden, welche dieser Kollisionen die nächste grosse Entdeckung enthalten könnte. Ein Beispiel, wie KI die Arbeit in der Teilchenphysik verändern könnte.

Das CERN plant einen neuen, weitaus teureren Teilchenbeschleuniger, der den LHC in den 2040er-Jahren ablösen soll. Die KI wird laut Teilnehmenden nicht einfach im Nachhinein Zahlen auswerten, sondern auch dabei helfen, die Maschine selbst zu entwerfen, ihre Materialien auszuwählen und zu entscheiden, welche Fragen sie überhaupt stellen soll.

Als Wissenschaftler:innen am CERN-Labor für Teilchenphysik 2012 das Higgs-Boson entdeckten, war dies eine Revolution für unser Verständnis des Universums. Die Entdeckung erfolgte nach vier Jahrzehnten der Suche. Und sie wäre ohne Algorithmen des maschinellen Lernens nicht möglich gewesen, die «so etwas wie der Urgrossvater dessen waren, was man heute KI nennt», sagt Maurizio Pierini, Physiker am CERN.

Die Grösse des LHC (kleiner Kreis) im Vergleich zum geplanten FCC. Cern

Heute halten die Nachfahren dieser Algorithmen in allen Bereichen der Teilchenphysik Einzug. «Wir werden KI immer häufiger einsetzen», erklärt die ehemalige CERN-Direktorin Fabiola Gianotti gegenüber Swissinfo. Damit werden Experimente vorbereitet und danach die Resultate analysiert. Am CERN treiben sie die Technologie jedoch auch in bisher unerforschte Richtungen voran. «Uns zeichnet besonders aus, dass wir Algorithmen auch mitten im Experiment einsetzen, als Teil der eigentlichen Datenerfassung», sagt Pierini.

Die Zukunft des CERN: eine Serie

In dieser Serie beleuchten wir, wo das weltweit grösste Labor für Teilchenphysik in Bezug auf seine wissenschaftlichen Ziele steht. Und welche Anstrengungen es unternimmt, um auch weiterhin ein internationaler Knotenpunkt für das Verständnis unseres Universums zu sein.

Die neuen KI-basierten Werkzeuge des CERN kommen zu einer Zeit, in der die in Genf ansässige Institution einen Grossteil ihrer physikalischen Ausrüstung modernisiert. In diesem Jahr beginnen die Arbeiten zur Modernisierung des Large Hadron Collider (LHC) zu einer Maschine mit höheren Kollisionsraten, was mehr zu analysierende Daten bedeutet.

Als Nächstes muss das Labor die Planung abschliessen und die Genehmigung für einen Teilchenbeschleuniger namens FCC einholen, der den LHC in den 2040er-Jahren ersetzen soll. Die für diesen Artikel befragten CERN-Physiker:innen sind sich einig, dass KI nicht nur bei Forschung und Analyse eine entscheidende Rolle spielen könnte, sondern auch dabei helfen könnte, den neuen Collider zu entwerfen, die Kosten niedrig zu halten und brillante Köpfe zurück in die Teilchenphysik zu holen.

 «Dank KI wird alles anders gemacht werden: besser, schneller, technologisch fortschrittlicher, und KI wird uns helfen, die offenen Fragen der Teilchenphysik zu ergründen», sagt Maria Spiropulu, Teilchenphysikerin am California Institute of Technology und Mitarbeiterin am CERN.

KI für das Higgs-Boson

Der erste Einsatz von maschinellem Lernen am CERN erfolgte 1987, mit einem System, das Fehler in einer Maschine namens Protonensynchrotron aufspürte.

Später nutzten CERN-Wissenschaftler:innen einen weiteren Vorläufer der KI, um den LHC zu betreiben. Im LHC kollidieren Teilchen mit Energien von bis zu 13 Billionen Elektronenvolt (TeV) und erzeugen 40 Millionen Kollisionen pro Sekunde. Jede Kollision hinterlässt Spuren, die von Detektoren erfasst werden – riesigen Maschinen, die die Kollisionszonen des LHC umgeben. Der Datenstrom ist so riesig und schnell, dass «keine Recheninfrastruktur auf diesem Planeten damit zurechtkommt», sagt Pierini. «Man muss die Daten filtern und einen Algorithmus haben, der entscheidet, was interessant ist und was nicht.»

Genau das geschah, als das CERN nach dem Higgs-Boson suchte. Das sogenannte «Gottesteilchen» verleiht anderen Teilchen Masse, wird jedoch bei einer Kollision nur selten erzeugt und existiert nur für einen flüchtigen Augenblick. Die Wissenschaftler:innen wussten jedoch, wonach sie suchten. Peter Higgs hatte die Existenz des Bosons in den 1960er-Jahren auf der Grundlage des damaligen Verständnisses der Teilchenphysik vorhergesagt, und um es zu finden, mussten lediglich die Daten nach Beweisen gefiltert werden.

Zu diesem Zweck luden die Forschenden Algorithmen des maschinellen Lernens auf die Hardware des LHC und programmierten diese so, dass sie nach Spuren suchten, die mit den Berechnungen von Peter Higgs übereinstimmen würden. Aus den Datenströmen wählte die Maschine die wahrscheinlichsten Fälle aus, in denen ein Higgs-Boson erzeugt wurde. Schliesslich konnten die Algorithmen 1000 Signale pro Sekunde filtern, was die ersten eindeutigen Beobachtungen des «Gottesteilchens» ermöglichte. «Deshalb können wir sagen, dass KI zur Entdeckung des Higgs-Bosons beigetragen hat», sagt Pierini.

Wissenschaft kostet, und dessen ist man sich im CERN sehr bewusst:

KI für das Unbekannte

Trotz dieses Erfolgs war Pierini mit der Leistung der Technologie nicht zufrieden. Sein Traum war es, die Chips, aus denen der Filter besteht, durch die Installation schnellerer und leistungsfähigerer Algorithmen noch besser zu nutzen. Die Herausforderung liegt darin, dass die Hardware des LHC-Detektors so begrenzt ist, dass «man ChatGPT nicht darin unterbringen kann», sagt Pierini.

Stattdessen entschied sich der Wissenschaftler für den Einsatz neuronaler Netze – leistungsstarke Rechenmodelle, die auf winzige Hardware passen und dennoch komplexe Funktionen schnell ausführen können. Auf diese Weise konnten sie Algorithmen ihre Arbeit in Nanosekunden erledigen lassen. «Diese Ergebnisse haben uns einen völlig neuen Weg eröffnet», sagt Pierini.

Nun können die Wissenschaftler:innen mithilfe der neuronalen Netze auf derselben Hardware mehrere Algorithmen ausführen, um alle Daten in Echtzeit zu untersuchen. Pierini ist daran interessiert, diesen Fortschritt zu nutzen, um Kollisionen zu finden, die von den durch bestehende Theorien vorhergesagten Mustern abweichen.

Der Ansatz, der als Anomalieerkennung bezeichnet wird, ähnelt dem, was Banken zur Identifizierung betrügerischer Kreditkartenbelastungen einsetzen. Auf die LHC-Daten angewendet, könnte dies neue, anomale Ereignisse identifizieren, von denen Wissenschaftler noch gar nicht wussten, dass sie danach suchen sollten. «Das ist eine Möglichkeit, etwas Unerwartetes zu entdecken!», sagt Pierini.

Der italienische Wissenschaftler spielt damit auf die Tatsache an, dass sich Teilchenphysiker lange Zeit darauf konzentriert haben, Theorien zu bestätigen oder zu widerlegen, die vor Jahrzehnten entwickelt wurden. Pierinis KI-gestützter Ansatz könnte der Teilchenphysik helfen, zum Kern der wissenschaftlichen Methode zurückzukehren: Diese beginnt damit, die Natur zu beobachten und Fragen zu stellen, um neue Theorien zu entwickeln und neues Verständnis zu gewinnen.

«KI kann unsere gezielte Suche sicherlich verbessern, aber mich interessiert mehr, dass der KI-Algorithmus hinter meinem Rücken nachschaut», sagt Pierini. Die neue Technologie, die den Spitznamen «Trigger-KI» trägt, wurde im LHC getestet und wird in der modernisierten Anlage sowie in zukünftigen Teilchenbeschleunigern zum Einsatz kommen.

Lesen Sie hier mehr über die künftigen Geräte:

KI für künftige Teilchenbeschleuniger

Weiterentwickelte KI-Algorithmen können genutzt werden, um Daten nach einem Experiment präziser zu analysieren – was laut Pierini die Genauigkeit manchmal um das Hundertfache gegenüber dem derzeit Machbaren steigert und dabei Millionen von Schweizer Franken einspart.

Dieser Fortschritt könnte entscheidend dafür werden, Hinweise auf seltene und komplexe Ereignisse unter Millionen ähnlicher Spuren zu finden. Die gleichzeitige Erzeugung von zwei Higgs-Bosonen ist beispielsweise ein extrem seltenes Ereignis. Ein doppeltes Higgs-Boson würde Einblicke darin geben, wie das Higgs-Feld Teilchen ihre Masse verleiht – «eine grosse Unbekannte in der Hochenergiephysik», so Pierini. Eine effiziente Datenanalyse wird mit dem aufgerüsteten LHC, dem sogenannten High-Luminosity-LHC, noch wichtiger werden, da dieser fünf- bis sechsmal so viele Daten liefern wird wie der derzeitige Teilchenbeschleuniger.

KI wird auch beim Bau neuer Teilchenbeschleuniger eine Rolle spielen, wie beispielsweise beim Future Circular Collider (FCC), der den LHC ersetzen soll. «KI wird bei allem eine entscheidende Rolle spielen – vom Entwurf der Detektoren über die Durchführung der Experimente bis hin zu den Überwachungssystemen», sagt Spiropulu, die als CERN-Mitarbeiterin am California Institute of Technology tätig ist.

Beispielsweise könnte KI dabei helfen, neue, kostengünstigere Materialien für die supraleitenden Magnete zu entwickeln, die für die Funktion eines Teilchenbeschleunigers unerlässlich sind. KI-Tools könnten auch das Design der Detektoren beeinflussen. Während Teilchenphysikerinnen derzeit bei der Konstruktion der nächsten Detektorgeneration auf ihre Erfahrung zurückgreifen, werden «Wissenschaftler in Zukunft die KI damit beauftragen, Detektoren vollständig zu entwerfen, die für die Physik und die geforderten Aufgaben optimiert sind», sagt Pierini.

Ein Teilchenbeschleuniger wird jedoch weiterhin benötigt, um die Daten zu erzeugen, denn «die KI wird es uns nicht ermöglichen, die gleichen Experimente wie am FCC durchzuführen, ohne den FCC selbst zu haben», so Pierini.

Ein schrumpfendes Fachgebiet

Pierini geht davon aus, dass die Arbeit in der Teilchenphysik für Nachwuchstalente spannender und interessanter wird, wenn KI eingesetzt wird, um einen grösseren Teil der mühsamen Aufgaben zu übernehmen. Die neue Technologie könnte zudem zu neuen, attraktiven Arbeitsplätzen führen, die den Einsatz modernster KI-Anwendungen beinhalten.

Sollte das Fachgebiet jedoch weiter schrumpfen, wird die KI eingefleischte Teilchenphysiker dabei unterstützen, neue, anspruchsvolle Experimente in Angriff zu nehmen, da «jeder Forscher durch KI-Agenten oder -Tools unterstützt wird», erklärt Pierini.  «KI wird das Fachgebiet auf die eine oder andere Weise am Leben erhalten.»

Machen Sie mit bei unserer Debatte:

Editiert von Veronica De Vore/ds. Aus dem Englischen übertragen von Giannis Mavris