В ЦЕРН искусственный интеллект поможет искать новые физические явления

Как выглядел поиск «частицы Бога»? Сам процесс обнаружения бозона Хиггса невозможно было увидеть даже вооружённым глазом. На этом созданном с помощью компьютерной программы изображении показана художественная визуализация процесса столкновения двух частиц. © 2026 Shutterstock

Искусственный интеллект способен изменить методы работы в физике элементарных частиц и помочь учёным совершать новые открытия. Каким образом?

Когда Большой адронный коллайдер (БАК) работает в режиме протон-протонных столкновений, по его кольцу навстречу друг другу движутся два пучка протонов, разделённые на множество сгустков. В точках расположения детекторов встречные сгустки пересекаются до 40 миллионов раз в секунду. При каждом таком пересечении почти одновременно происходят десятки отдельных столкновений протонов. Энергия отдельных протон-протонных столкновений достигает 13 тераэлектронвольт (ТэВ).

Детектор регистрирует совокупность сигналов от одного пересечения сгустков как одно событие. Возникающие в результате этих столкновений другие частицы оставляют следы в детекторах. По этим следам физики восстанавливают картину произошедшего. Поток данных при этом настолько велик, что регистрировать информацию обо всех таких событиях в полном объёме было просто невозможно.

Поэтому ученые использовали систему отбора данных, основанную главным образом на факторах и признаках, заранее определённых самими физиками. Но теперь в ЦЕРН всё шире используют алгоритмы на основе искусственного интеллекта. Они способны распознавать сложные сочетания сигналов и выделять необычные события, которые могут не соответствовать уже известным физическим теориям. И это лишь один из примеров того, как искусственный интеллект способен изменить методы работы в физике элементарных частиц и помочь учёным совершать новые открытия.

«Совершите вы массу открытий»

Как мы уже сообщали, ЦЕРН изучает возможность создания нового, значительно более дорогостоящего коллайдера, который, в случае одобрения этого проекта, может в 2040-х годах прийти на смену нынешнему Большому адронному коллайдеру (БАК). По словам физиков, искусственный интеллект будет нужен не только для обработки результатов уже проведённых экспериментов. Его предполагается использовать при проектировании самой установки, выборе материалов и инженерных решений, а также при формировании её научной программы — иными словами, при определении круга физических вопросов, с целью изучения которых и будет, собственно, создан новый коллайдер.

В 2012 году учёные Европейской организации по ядерным исследованиям (ЦЕРН) обнаружили бозон Хиггса. Это открытие стало одним из важнейших подтверждений Стандартной модели и механизма, объясняющего происхождение массы ряда элементарных частиц. Существование бозона было предсказано почти за полвека до его обнаружения. Алгоритмы машинного обучения внесли существенный вклад в обработку данных, а также в способность распознать решающий сигнал и отфильтровать его от фоновых процессов. «Но эта технология была, скажем так, древним предком того, что сегодня называют искусственным интеллектом», — рассказывает физик ЦЕРН Маурицио Пьерини (Maurizio Pierini).

Сегодня «потомки» этих ранних алгоритмов уже применяются практически во всех областях физики элементарных частиц. «Мы будем использовать искусственный интеллект всё шире и шире». Об этом рассказала в интервью Swissinfo Фабиола Джанотти (Fabiola Gianotti), ранее возглавлявшая ЦЕРН. Физики уже применяют ИИ при подготовке экспериментов, а затем и для анализа полученных результатов. Однако в ЦЕРН эту технологию начинают использовать и непосредственно во время эксперимента, в процессе регистрации полученных данных. «Особенность нашего подхода состоит в том, что мы внедряем алгоритмы в сам процесс сбора экспериментальных данных», — объясняет Маурицио Пьерини.

Сейчас ЦЕРН проводит масштабную модернизацию своего оборудования. В 2026 году начались работы по обновлению БАК, которые должны будут увеличить число регистрируемых столкновений и, следовательно, объём данных, требующих обработки. Затем ЦЕРН предстоит завершить проект Будущего кольцевого коллайдера (Future Circular Collider, FCC) и добиться его официального одобрения. Если проект будет утверждён, то новая установка сможет в 2040-х годах стать преемником БАК. Опрошенные нами физики ЦЕРН сходятся во мнении, что искусственный интеллект способен сыграть важную роль не только в проведении исследований и анализе их результатов. 

Алгоритмы способны помочь при проектировании нового коллайдера, выборе менее дорогостоящих технических решений и привлечении в физику элементарных частиц новых талантливых ученых и специалистов. «Благодаря искусственному интеллекту научная работа будет организована иначе: она станет быстрее и выйдет на более высокий технологический уровень. ИИ поможет нам найти ответы на еще нерешённые вопросы физики элементарных частиц», — говорит физик Калифорнийского технологического института и участница проектов ЦЕРН Мария Спиропулу (Maria Spiropulu).

«Фильтровать поток»

Впервые машинное обучение применили в ЦЕРН ещё в 1987 году. Тогда учёные создали систему для обнаружения неисправностей в работе Протонного Синхротрона (Proton Synchrotron, PS). Сегодня алгоритмы искусственного интеллекта уже встраиваются непосредственно в экспериментальный процесс. Поток данных поступает с такой скоростью и в таком объёме, что, как говорит Маурицио Пьерини, «с ним не в состоянии справиться уже ни одна существующая сейчас на Земле вычислительная инфраструктура. Данные необходимо фильтровать. Нужен алгоритм, который решает, что представляет научный интерес, а что нет».

Именно такой отбор данных и сыграл свою роль во время поисков бозона Хиггса. Эту частицу в популярной прессе часто называют «частицей Бога».Внешняя ссылка Однако её реальное значение состоит в другом: массу целому ряду элементарных частиц придаёт именно их взаимодействие с полем Хиггса, а бозон Хиггса представляет собой квантовое возбуждение этого поля. В протон-протонных столкновениях он рождается крайне редко и существует лишь ничтожную долю секунды, после чего распадается на другие частицы. Но в данном случае учёные заранее знали, признаки каких процессов следует им искать, ведь Питер Хиггс (Peter Higgs) и другие физики предсказали существование соответствующего механизма ещё в 1960-х годах.

Детектор CMS (компактный мюонный соленоид), одна из экспериментальных установок Большого адронного коллайдера. © Keystone / Christian Beutler

 Задача исследователей, тем самым, состояла в том, чтобы найти в огромном потоке экспериментальных данных признаки процессов рождения и распада бозона, предсказанных Стандартной моделью. Сначала так называемая «триггерная система» отбирала события с общими признаками потенциально интересных процессов, сокращая поток данных примерно до тысячи регистрируемых событий в секунду. Затем такие события подвергали подробному анализу. Алгоритмы машинного обучения помогали отличать возможный сигнал, посылаемый бозоном Хиггса, от фоновых процессов. Само открытие было сделано не по одному отдельному столкновению, а по статистически значимому избытку событий с характеристиками, ожидаемыми для распадов бозона Хиггса.

«Новое направление научной работы»

Именно поэтому, говорит Маурицио Пьерини, можно утверждать, что именно искусственный интеллект и помог в итоге открыть бозон Хиггса. Однако потенциал таких технологий далеко не исчерпан: отбор данных можно было бы организовать с помощью более быстрых и мощных алгоритмов. Главным препятствием оставались жёсткие аппаратные ограничения. «Поместить ChatGPT в триггерную систему БАК невозможно», — говорит Маурицио Пьерини. Триггерная система представляет собой многоступенчатый аппаратно-программный фильтр в составе системы регистрации данных. Она в реальном времени отбирает потенциально интересные события и решает, какие данные надо сохранить, а какими можно пренебречь.

Микросхемы триггерной системы располагают ограниченными вычислительными ресурсами, а решения необходимо принимать за крайне короткое время. Поэтому вместо больших универсальных языковых моделей Маурицио Пьерини предлагает использовать компактные специализированные нейронные сети. Они способны быстро распознавать сложные сочетания сигналов непосредственно в процессе регистрации экспериментальных данных. «Этот подход открыл перед нами совершенно новое направление научной работы», — говорит Маурицио Пьерини. Теперь на одной и той же аппаратуре учёные могут одновременно запускать несколько нейросетевых алгоритмов, анализирующих поток данных во время эксперимента и позволяющих сохранять необычные события, которые традиционная система отбора могла бы пропустить.

Также по теме:

Такой подход называют «обнаружением аномалий». По своему основному принципу он напоминает банковские системы, выявляющие подозрительные операции по кредитным картам: алгоритм распознаёт обычные закономерности и отмечает всё, что заметно от них отличается. Применительно к данным, полученным от БАК, аномалия ещё не означает открытия: причиной отклонения может быть редкий известный процесс, техническая неисправность или недостаток в компьютерном моделировании. Но среди таких событий могут оказаться и признаки ранее неизвестных физических явлений. «Этот способ как раз и поможет нам однажды сделать неожиданное открытие», — говорит Маурицио Пьерини.

Где искать потерянные ключи?

На протяжении многих лет физики были сосредоточены прежде всего на проверке теорий, сформулированных десятилетия назад: эксперимент должен был подтвердить или опровергнуть заранее выдвинутую гипотезу. Новый подход, основанный на искусственном интеллекте, может помочь физике элементарных частиц вернуться к исходной логике научного метода: сначала наблюдать природу и ставить вопросы, а уже затем разрабатывать новые теории и объяснения увиденного. «ИИ, безусловно, поможет нам эффективнее искать потерянные ключи под фонарём, то есть там, где светлее. Но меня гораздо больше интересует алгоритм, который поможет нам искать ключи не только там, где нам удобнее это делать», — говорит Маурицио Пьерини.

Новую технологию неофициально называют trigger AI, то есть «искусственным интеллектом для триггерной системы». Её уже испытали на БАК, а после модернизации коллайдера предполагается встроить в обновлённую установку. Такие алгоритмы наверняка будут использоваться и на будущих новых ускорителях. По мере их совершенствования искусственный интеллект будет всё активнее применяться и после эксперимента для анализа уже зарегистрированных данных. По словам Маурицио Пьерини, при решении некоторых задач такие методы способны иногда в сотни раз повысить точность анализа по сравнению с нынешними возможностями и одновременно сэкономить миллионы швейцарских франков.

Будущий Кольцевой коллайдер (FCC) с длинной окружности 90,7 км будет находиться под территориями Швейцарии и Франции, его задача — заменить нынешний БАК. Cern

Кроме того, они могут сыграть решающую роль при поиске крайне редких и сложных процессов среди миллионов похожих событий. Один из примеров — одновременное рождение двух бозонов Хиггса. Такие события происходят исключительно редко. Их изучение может дать физикам новые сведения о свойствах поля Хиггса и о том, каким образом это поле взаимодействует само с собой. Этот вопрос остаётся одной из главных нерешённых проблем физики высоких энергий. Возможность эффективно обрабатывать огромные массивы экспериментальных данных станет ещё важнее после завершения модернизации Большого адронного коллайдера. Обновлённая установка получит название Большой адронный коллайдер высокой светимости (High-Luminosity LHC, HL-LHC) и будет собирать в пять-шесть раз больше данных, чем нынешний коллайдер.

Сохранить эту область науки

Искусственный интеллект предполагается использовать и при создании следующего поколения ускорителей, в частности при разработке «Будущего кольцевого коллайдера» (Future Circular Collider, FCC), который, в случае одобрения этого проекта, может стать преемником БАК. «ИИ будет играть ключевую роль на всех этапах: от проектирования детекторов и проведения экспериментов до работы систем контроля оборудования», — говорит Мария Спиропулу. Например, искусственный интеллект сможет помочь в поиске и оптимизации новых, менее дорогих материалов для сверхпроводящих магнитов, одного из ключевых элементов коллайдера.

Алгоритмы могут повлиять и на собственно конструкцию детекторов. Сегодня физики проектируют экспериментальные установки нового поколения в значительной степени опираясь на собственный опыт. В будущем, предполагает Маурицио Пьерини, учёные смогут поручать искусственному интеллекту комплексную оптимизацию детекторов под конкретные физические задачи и предполагаемые эксперименты. Однако искусственный интеллект не отменяет необходимости строить сам коллайдер.

«ИИ не позволит нам провести эксперименты Будущего кольцевого коллайдера без самого Будущего кольцевого коллайдера», — подчёркивает учёный. Передача искусственному интеллекту части однообразной и трудоёмкой работы может, по мнению Маурицио Пьерини, сделать физику элементарных частиц более привлекательной для молодых специалистов. Кроме того, развитие этой технологии способно привести к появлению новых профессий, связанных с инновационными форматами применения ИИ.

Если число исследователей, работающих в этой области, продолжит сокращаться, то искусственный интеллект, наверное, не заменит недостающих учёных, но он сможет расширить имеющиеся научные возможности и помочь ученым проводить с помощью ИИ-агентов и других инструментов куда более сложные эксперименты. Маурицио Пьерини убеждён, что так или иначе, но искусственный интеллект поможет сохранить эту область науки.

Также по теме:

Перевод с английского. Русскоязычная версия под редакцией НК, ИП, АП.