CERN: Η Tεχνητή Nοημοσύνη αλλάζει ριζικά την αναζήτηση των μυστικών του σύμπαντος

Η Τεχνητή Τοημοσύνη αναμένεται να διαδραματίσει καθοριστικό ρόλο στη μελλοντική έρευνα της θεμελιώδους φυσικής και στην κατανόηση κρίσιμων ζητημάτων για την εξέλιξη του σύμπαντος, σύμφωνα με τον επόμενο γενικό διευθυντή του CERN.

Ο Βρετανός φυσικός καθηγητής Mark Thomson, ο οποίος αναλαμβάνει την ηγεσία του CERN την 1η Ιανουαρίου 2026, δήλωσε ότι η μηχανική μάθηση δημιουργεί νέες δυνατότητες στη σωματιδιακή φυσική. Όπως ανέφερε, οι εξελίξεις αυτές είναι αντίστοιχες με τις εφαρμογές τεχνητής νοημοσύνης που χρησιμοποιήθηκαν στην πρόβλεψη της δομής πρωτεϊνών, τεχνολογία που συνέβαλε στη βράβευση επιστημόνων της Google DeepMind με το Νόμπελ Χημείας τον περασμένο Οκτώβριο.

Στον Μεγάλο Επιταχυντή Αδρονίων, οι ίδιες τεχνικές αξιοποιούνται ήδη για την ανίχνευση εξαιρετικά σπάνιων φαινομένων, τα οποία θεωρούνται κρίσιμα για την κατανόηση του τρόπου με τον οποίο τα σωματίδια απέκτησαν μάζα μετά τη Μεγάλη Έκρηξη, αλλά και για τη διερεύνηση πιθανών σεναρίων σχετικά με τη μελλοντική σταθερότητα του σύμπαντος.

Οι δηλώσεις του Thomson έρχονται τη στιγμή που το συμβούλιο του CERN προωθεί το σχέδιο για τον Future Circular Collider, έναν νέο επιταχυντή 90 χιλιομέτρων που θα ξεπερνά κατά πολύ τον LHC. Παρά τις επιφυλάξεις ορισμένων, λόγω της απουσίας εντυπωσιακών ανακαλύψεων μετά την ανεύρεση του μποζονίου Higgs το 2012, ο Thomson θεωρεί ότι η τεχνητή νοημοσύνη δίνει νέα ώθηση στην αναζήτηση της φυσικής πέρα από το Καθιερωμένο Πρότυπο.

Εκτιμά ότι σημαντικές ανακαλύψεις μπορεί να έρθουν μετά το 2030, όταν η αναβάθμιση του LHC θα αυξήσει την ένταση της δέσμης κατά δέκα φορές. Αυτό θα επιτρέψει πρωτοφανείς παρατηρήσεις του μποζονίου Higgs, γνωστού και ως «σωματιδίου του Θεού», το οποίο χαρίζει μάζα στα υπόλοιπα σωματίδια και συγκρατεί το σύμπαν.

«Υπάρχει μια συγκεκριμένη μέτρηση του μποζονίου Higgs που είναι θεμελιώδης για τη φύση του σύμπαντος», εξήγησε ο Thomson. «Θα προσπαθήσουμε να παράγουμε όχι ένα, αλλά δύο μποζόνια Higgs ταυτόχρονα».

Αυτό θα επιτρέψει στους επιστήμονες να μετρήσουν για πρώτη φορά πώς το σωματίδιο Higgs δίνει μάζα στον εαυτό του – ένα φαινόμενο γνωστό ως αυτοσύζευξη Higgs. Αν και η ταυτόχρονη εμφάνιση δύο μποζονίων Higgs είναι εξαιρετικά σπάνια, ο Thomson δήλωσε ότι πλέον είναι αισιόδοξος: «Πριν πέντε χρόνια θα θεωρούσα πως κάτι τέτοιο είναι πέρα από τις δυνατότητες του LHC. Τώρα είμαι βέβαιος ότι θα πετύχουμε μια αξιόπιστη μέτρηση».

Η δύναμη αυτής της αυτοσύζευξης είναι κρίσιμη για την κατανόηση του τρόπου με τον οποίο, ένα τρισεκατομμυριοστό του δευτερολέπτου μετά τη Μεγάλη Έκρηξη, τα σωματίδια απέκτησαν μάζα. Θα μπορούσε ακόμη να δείξει αν το πεδίο Higgs βρίσκεται σε σταθερή κατάσταση ή αν μπορεί να υποστεί μια νέα μετάβαση στο μέλλον – σενάριο που θα οδηγούσε στην εξαφάνιση του σύμπαντος όπως το γνωρίζουμε. Το Καθιερωμένο Πρότυπο υποδεικνύει ότι αυτό είναι θεωρητικά δυνατό, χωρίς ωστόσο να υπάρχει λόγος ανησυχίας.

«Δεν είναι κάτι που θα μπορούσε να συμβεί σε κλίμακα χρόνου σχετική ακόμη και με τα αστέρια μας», δήλωσε ο θεωρητικός φυσικός του CERN, Dr Matthew McCullough. «Ωστόσο, παραμένει ένα καθαρά επιστημονικό ερώτημα – θα μπορούσε να συμβεί;».

Σύμφωνα με τον Thomson, «πρόκειται για μια βαθιά θεμελιώδη ιδιότητα του σύμπαντος που δεν έχουμε κατανοήσει πλήρως». Αν η μέτρηση της αυτοσύζευξης αποκλίνει από τη θεωρία, αυτό θα αποτελέσει, όπως είπε, «μια τεράστια ανακάλυψη».

Η τεχνητή νοημοσύνη εφαρμόζεται πλέον σε κάθε στάδιο λειτουργίας του LHC – από την επιλογή των δεδομένων που θα συλλεχθούν έως την ανάλυσή τους. «Όταν ο LHC συγκρούει πρωτόνια, πραγματοποιεί περίπου 40 εκατομμύρια συγκρούσεις το δευτερόλεπτο και πρέπει να αποφασίσουμε μέσα σε ένα μικροδευτερόλεπτο ποια γεγονότα αξίζει να κρατήσουμε», εξηγεί η Dr Katharine Leney από το πείραμα Atlas. «Χάρη στην τεχνητή νοημοσύνη, έχουμε προχωρήσει τουλάχιστον 20 χρόνια μπροστά σε σχέση με τις αρχικές μας προσδοκίες».

Οι επιστήμονες ελπίζουν ότι ο LHC θα μπορέσει κάποτε να παράγει σκοτεινή ύλη, η οποία πιστεύεται ότι αποτελεί μεγάλο μέρος του σύμπαντος. Επειδή όμως η φύση της παραμένει άγνωστη, η αναζήτηση είναι δύσκολη. Η γενετική τεχνητή νοημοσύνη θα μπορούσε να βοηθήσει, επιτρέποντας πιο ανοιχτές ερευνητικές προσεγγίσεις. Όπως λέει ο Thomson, «αντί να ψάχνουμε για ένα συγκεκριμένο σήμα, μπορούμε να ρωτήσουμε: υπάρχει κάτι απροσδόκητο σε αυτά τα δεδομένα;».