CERN, European Laboratory for Particle Physics och franska AI-labbet Mistral har undertecknat en avsiktsförklaring om att etablera ett långsiktigt strategiskt partnerskap som syftar till att bygga grundmodeller för vetenskaplig upptäckt. Tillkännagivandet, som publicerades av CERN den 15 oktober och diskuterades brett i teknikgemenskapen den här veckan efter att det spreds genom utvecklarforum, anger ett ambitiöst flaggskeppsmål: en enda förtränad "Large Physics Model" - den första grundmodellen för kolliderfysik - tränad på miljarder simulerade proton-protonkollisioner från Large Hadron Collider (LHC).
En grundmodell för världens största maskin For more context on this story, see our ongoing breaking AI news.
Den stora fysikmodellen är designad för att stödja flera kärnuppgifter inom högenergifysik inom ett system: rekonstruera partikelkollisioner, identifiera partiklar, flagga oväntade signaler och utvärdera framtida detektorkonstruktioner.
Idag förlitar man sig på en kedja av specialiserade algoritmer för att analysera vad som händer när protoner slås samman inuti LHC som successivt omvandlar råa detektorsignaler till partiklar och andra föremål som används i fysikanalys. Maskininlärning spelar redan en viktig roll i dessa stadier, men varje uppgift hanteras vanligtvis av sitt eget specialbyggda system. En grundmodell som tränas över hela rekonstruktionskedjan skulle förena den pipelinen och lära sig delade representationer av kollisionsdata som överförs mellan olika uppgifter.
Utbildningskorpusen är extraordinär i både skala och kvalitet. CERN har cirka en exabyte - en miljon terabyte - av experimentella data från LHC, en av de största volymerna av vetenskapliga data någonstans i världen. Och datafloden är på väg att växa: High-Luminosity LHC-uppgraderingen, som förväntas börja användas runt 2030, kommer att öka antalet kollisioner ungefär tio gånger.
Vad varje sida ger
Partnerskapet parar kompletterande styrkor. CERN bidrar med grundläggande fysikexpertis, årtionden av detektor- och datainfrastruktur och datorresurser som förfinats under labbets historia av att bearbeta kollisionsdata i petabyte-skala. Mistral, med huvudkontor i Frankrike och känt för sina öppna stora språkmodeller, bidrar med storskalig modellträningsförmåga - disciplinen att förvandla massiva datauppsättningar till modeller för allmänna ändamål.
"Högenergifysik ger en unik miljö där artificiell intelligens kan utvecklas och testas med exceptionell stränghet", säger Enrica Porcari, CERNs Chief Information Officer, i tillkännagivandet. "Vi samarbetar med Mistral, ett ledande europeiskt AI-företag, för att utveckla AI-förmågor som kan tjäna hela fysikgemenskapen och delas."
Johannes Brandstetter, Vice-President för AI for Engineering på Mistral, inramade samarbetet som en frontlinje för båda parter: "Tillsammans har vi möjligheten att tänja på gränserna för högenergifysik och utveckla AI-kapacitet som har potential att leda till nya vetenskapliga upptäckter."
Mistral kommer med en distinkt profil bland frontier AI-labb. Företaget beskriver sig själv som ett globalt AI-labb som bygger toppmoderna öppna viktmodeller, produkter och infrastruktur som låter företag, offentliga institutioner och avancerade industrier äga, anpassa och kontrollera sin AI – en positionering som naturligt ligger i linje med en offentligt finansierad forskningsorganisation vars resultat förväntas delas. En modell utvecklad med CERN skulle formas av den etosen från början, i motsats till slutna gränssystem som utvecklats i kommersiella labb.
Varför ett fysiklaboratorium vill ha en grundmodell
Colliderfysik är en tilltalande bevisgrund för vetenskapliga grundmodeller. Data är uttömmande simulerad och märkt av konstruktion - fysiker vet exakt vad som gick in i miljarder simulerade händelser - vilket gör träning och utvärdering ovanligt rigorös jämfört med röriga verkliga domäner. Signaler om ny fysik är också försvinnande sällsynta, så varje metod som förbättrar känsligheten för det oväntade har överdrivet värde.
En delad grundmodell tar också upp ett strukturellt problem: återuppbyggnadsprogramvara är komplex, dyr att underhålla och kommer att möta en stegvis förändring i datavolym när HL-LHC kommer online. CERN:s satsning är att en enda anpassningsbar modell, som underhålls gemensamt och delas öppet med fysikgemenskapen, kommer att anpassa sig till den utmaningen bättre än ett lapptäcke av uppgiftsspecifika algoritmer.
En avsiktsförklaring, inte ett kontrakt
En varning spelar roll: tillkännagivandet är en avsiktsförklaring, föregångaren till ett formellt samarbete snarare än ett fullbordat avtal. Detaljer som finansiering, beräkningsåtaganden, tidslinje och licensiering av eventuella resulterande modeller avslöjades inte i CERN:s release.
Även om det initiala fokuset är högenergifysik, noterar båda organisationerna att partnerskapet har potential att bidra med AI-metoder som tjänar det bredare forskarsamhället - en signal om att tekniker som bevisats på kolliderardata så småningom kan migrera till andra dataintensiva vetenskaper.
För Europa är samarbetet också ett uttalande om suverän AI-förmåga. Den ansluter sig till CERN:s 25 medlemsländers vetenskapliga infrastruktur med ett av kontinentens mest framstående AI-labb i ett ögonblick då regeringar i allt högre grad behandlar frontier AI-utveckling som en strategisk kapacitet – och när Europas forskningsinstitutioner letar efter hemmagjorda modeller som de kan granska, vara värd för och kontrollera.
Det verkliga testet kommer att vara om den stora fysikmodellen förverkligas och om den kan slå specialiserade pipelines i deras eget spel. Om den gör det, kan partikelfysik - fältet som uppfann nätet - bli den första disciplinen som byggs om kring en grundmodell.
Den här artikeln är baserad på CERN:s officiella tillkännagivande av den 15 oktober 2026.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
