CERN og Mistral signerer intensjonserklæring om «Large Physics Model» for LHC
CERN og det franske KI-selskapet Mistral har signert en intensjonserklæring om å utvikle en «Large Physics Model» – ifølge kunngjøringen den første foundation-modellen for kollisjonsfysikk, trent på milliarder av simulerte proton-proton-kollisjoner ved LHC. Erklæringen er likevel ikke en kontrakt: Ingen tidslinjer, beløp eller milepæler er offentliggjort, og modellen må fortsatt bevise at den holder mot ekte detektordata.
CERN, Det europeiske laboratoriet for partikkelfysikk, og Mistral, en europeisk utvikler av storskala KI-modeller, kunngjorde 15. oktober 2026 at de har signert en intensjonserklæring om et langsiktig strategisk partnerskap med fokus på foundation-modeller for vitenskapelige oppdagelser (Mirage News). Reuters ga samme dag sin bekreftelse av kunngjøringen (MSN/Reuters).
Det praktiske innholdet er et forsøk på å erstatte en kjede av spesialiserte algoritmer med én forhåndstrent modell. Ifølge den felles kunngjøringen skal modellen trenes på milliarder av simulerte proton-proton-kollisjoner ved Large Hadron Collider og støtte flere oppgaver samtidig: rekonstruksjon av partikkelkollisjoner, partikkelidentifikasjon, flagging av uventede signaler og evaluering av fremtidige detektordesign (Mirage News).
Hvorfor dette er aktuelt akkurat nå
CERN oppgir at laboratoriet lagrer rundt én exabyte – én million terabyte – eksperimentdata fra LHC, et av verdens største vitenskapelige datavolumer. I tillegg ventes antall kollisjoner å tidobles med High-Luminosity LHC (HL-LHC), som forventes i drift rundt 2030 (Mirage News). Det kommende datamengdehoppet er den konkrete bakgrunnen for å tenke nytt om rekonstruksjonspipelinen.
Fra algoritmekjede til én modell
I dag skjer rekonstruksjon i flere trinn: en kjede av spesialiserte algoritmer omdanner gradvis detektorsignaler til partikler og andre objekter som brukes i fysikkanalyse. Maskinlæring spiller allerede en viktig rolle i en rekke slike enkeltoppgaver. Poenget med en foundation-modell er å bygge videre på disse fremskrittene ved å lære på tvers av hele rekonstrueringskjeden og støtte flere oppgaver innenfor én og samme modell (Mirage News).
Kunngjøringen fremholder også at partnerskapet kombinerer CERNs ekspertise innen grunnleggende fysikk, vitenskapelige data og storskala databehandling med Mistrals kompetanse på storskala modelltrening (Mirage News).
Mistrals motiv
For Mistral handler partnerskapet også om posisjonering. Reuters skriver at intensjonserklæringen gir det franske selskapet tilgang til et av verdens største vitenskapelige datasett, i et selskap som søker å konkurrere på frontier science (MSN/Reuters).
Hva partene sier
Enrica Porcari, CIO i CERN, la vekt på at høyenergifysikk er et eget testmiljø for KI: «Høyenergifysikk gir et unikt miljø der kunstig intelligens kan utvikles og testes med enestående strenghet. Vi inngår partnerskap med Mistral, et ledende europeisk KI-selskap, for å fremme KI-kapabiliteter som kan tjene hele fysikkmiljøet og deles,» sa hun i kunngjøringen (Mirage News).
Johannes Brandstetter, visepresident for KI for engineering i Mistral, understreket muligheten: «Vi er stolte av å samarbeide med CERN for å utforske hva storskala KI-modeller kan bidra med i den økende kompleksiteten i partikkelfysikk. Sammen har vi muligheten til å flytte grensene for høyenergifysikk, gjennom å utvikle KI-kapabiliteter som har potensial til å føre til nye vitenskapelige oppdagelser,» sa han (Mirage News).
Det som ikke er avklart
Flere ting er ennå uavklart. Intensjonserklæringen er ikke en bindende kontrakt, og ingen av partene har offentliggjort tidslinjer, finansieringsbeløp eller konkrete milepæler utover selve avtalen; ifølge Cryptobriefing har partene hatt kontakter og presentasjoner helt tilbake til 2025 (Cryptobriefing).
Navnespørsmålet er også åpent. Selv om én nyhetstittel omtaler modellen som «Flare», forekommer dette navnet bare i overskriftsslugs, og det er ikke bekreftet av selve kunngjøringstekstene, som konsekvent bruker «Large Physics Model». Navnet må dermed regnes som ubekreftet inntil videre.
Den viktigste faglige usikkerheten er at modellen skal trenes på simulerte kollisjoner, ikke ekte data. Som Cryptobriefing peker på, må modeller trent på simulerte data bevise at de holder mot reell detektorutgang (Cryptobriefing). Det er nettopp dette spranget fra simulering til ekte detektordata som vil avgjøre om konseptet fungerer i praksis – og det er foreløpig ubesvart.
Det bør også bemerkes at alle tilgjengelige kilder er sekundære gjengivelser av samme felles kunngjøring, snarere enn uavhengig rapportering med nye detaljer.