在CERN，AI將推動未來發現

每秒，歐洲核子研究中心（CERN）的大型強子對撞機（LHC）產生4000萬次粒子碰撞——產生的資料遠超地球上任何計算機的儲存和分析能力。因此，CERN科學家讓AI做出毫秒級的即時決策，以判斷哪些碰撞可能帶來下一個重大發現。這是AI可能改變粒子物理學工作的眾多方式之一。

當CERN計劃在2040年代用更昂貴的新型對撞機取代LHC時，物理學家表示，AI不僅會用於事後計算，還將幫助設計機器本身、選擇材料，甚至決定建造這臺機器是為了回答什麼問題。

CERN物理學家Maurizio Pierini表示，2012年發現希格斯玻色子離不開機器學習演算法，這些演算法是“如今AI的‘曾祖父’”。如今，這些演算法的後代正在粒子物理學的各個領域取得進展。“我們將越來越多地使用AI，”前CERN主任Fabiola Gianotti告訴瑞士資訊。在CERN，AI不僅在實驗前用於準備，實驗後用於分析資料，還推動技術進入未知方向。Pierini指出：“我們的特色在於，我們還在實驗過程中部署演算法，作為實際資料採集的一部分。”

CERN的新AI工具出現之際，這個日內瓦機構正在升級其大量物理裝置。今年將開始把LHC升級為碰撞率更高的機器，這意味著更多資料需要分析。接下來，實驗室必須完成設計並批准一個名為“未來環形對撞機”（FCC）的對撞機，以在2040年代取代LHC。受訪的CERN物理學家一致認為，AI不僅有助於研究和分析，還能幫助設計新對撞機、控制成本，並吸引優秀人才重返粒子物理學。

“有了AI，一切都會以不同的方式完成：更好、更快、技術更先進，AI將幫助我們探索粒子物理學中的開放問題，”加州理工學院粒子物理學家、CERN合作者Maria Spiropulu說。

AI首次用於CERN是在1987年，當時開發了一個系統來查詢質子同步加速器的故障。後來，CERN科學家使用另一種AI祖先來利用LHC。在LHC中，粒子以高達13萬億電子伏特的能量碰撞，每秒產生4000萬次碰撞。每次碰撞產生的痕跡由探測器捕捉，這些巨型機器包圍LHC碰撞區。資料流如此巨大和快速，“地球上沒有任何計算基礎設施能夠處理，”Pierini說，“你需要過濾資料，需要一個演算法來決定什麼有趣，什麼不有趣。”

這正是尋找希格斯玻色子時發生的情況。所謂“上帝粒子”賦予其他粒子質量，但很少在碰撞中產生，且只存在一瞬間。科學家知道他們在尋找什麼：彼得·希格斯在20世紀60年代基於對粒子物理學的現有理解預測了玻色子的存在，發現它只是過濾資料以找到證據的問題。為此，研究人員將機器學習演算法載入到LHC硬體上，程式設計尋找與希格斯計算一致的痕跡。最終，演算法每秒可以過濾1000個訊號，使得首次清晰觀測到上帝粒子成為可能。“這就是為什麼我們可以說AI幫助了希格斯玻色子的發現，”Pierini說。

儘管取得了成功，Pierini並不滿足於該技術的效能。他的夢想是透過安裝更快、更強大的演算法，進一步利用構成過濾器的晶片。挑戰在於LHC探測器硬體非常有限，“你無法將ChatGPT放進去，”Pierini說。相反，科學家選擇了神經網路，這些強大的計算模型可以適應微小的硬體，同時快速執行復雜功能。這樣，CERN科學家可以讓演算法在納秒內完成工作。“這些結果為我們開闢了一條全新的道路，”Pierini說。

現在，在同一硬體上使用神經網路，科學家可以執行多個演算法，即時檢視所有資料。Pierini有興趣利用這一進步來尋找偏離現有理論預測模式的碰撞。這種方法稱為異常檢測，類似於銀行用於識別欺詐信用卡收費的方法。應用於LHC資料，這可以識別出科學家尚未知道要尋找的新異常事件。“這是一種發現意外事物的方式，”Pierini說。

這位義大利科學家暗示，粒子物理學家長期以來一直專注於確認或反駁幾十年前發展的理論。Pierini在AI輔助下的方法，可能幫助粒子物理學回歸科學方法的本質，即從觀察自然開始，提出問題以發展新理論和建立新理解。

“AI當然可以讓我們的‘路燈下搜尋’變得更好，但我更感興趣的是AI演算法看向我的背後，”Pierini說。這種名為“觸發AI”的新技術已在LHC中測試，並將應用於升級後的機器和未來對撞機中。

隨著AI演算法的進步，科學家可以在實驗後更精確地分析資料，有時精度提高數百倍，同時節省數百萬瑞士法郎。這一進步對於在數百萬相似痕跡中發現罕見覆雜事件的線索可能至關重要。同時產生兩個希格斯玻色子就是一個極其罕見的事件。雙希格斯玻色子將揭示希格斯場如何賦予粒子質量，這是“高能物理學中的一大未知數，”Pierini補充道。高效的資料分析在升級後的LHC（所謂的高亮度LHC）中將變得更加重要，它將提供當前對撞機五到六倍的資料。

人工智慧還將在建造新粒子對撞機中發揮作用，比如計劃取代LHC的FCC。“AI將在從探測器設計到實驗執行再到監控系統的各個方面發揮重要作用，”CERN合作者Spiropulu說。例如，AI可以幫助開發用於超導磁體的新型、更便宜的材料，這些磁體對於對撞機的功能至關重要。AI工具還可以影響探測器的設計。雖然粒子物理學家目前依靠經驗設計下一代探測器，但未來，“科學家將要求AI完全設計探測器，使其針對所要求的物理學和任務進行最佳化，”Pierini說。

但Pierini表示，仍然需要一臺對撞機來產生資料，因為“沒有FCC本身，AI無法讓我們進行同樣的實驗”。他設想，如果AI用於處理粒子物理學工作中更繁瑣的任務，將使工作對新人才來說看起來更令人興奮和有趣。新技術也可能帶來涉及尖端AI應用的新的有吸引力的工作。但如果該領域繼續萎縮，AI將幫助堅定的粒子物理學家承擔新的挑戰性實驗，因為“每個研究人員都將被AI代理（或工具）增強，”Pierini解釋道。“AI將以這樣或那樣的方式保持該領域的活力。”