Ein neuer Algorithmus am Large Hadron Collider analysiert Daten schneller und präziser als je zuvor – ein Durchbruch für die Suche nach neuer Physik.
Genf – Die Teilchenphysik steht vor einem Quantensprung. Forscher am CERN haben eine Künstliche Intelligenz entwickelt, die die komplexen Spuren von Teilchenkollisionen im Large Hadron Collider (LHC) vollständig und mit bisher unerreichter Präzision rekonstruiert. Diese Methode könnte den Schlüssel zu bisher unentdeckten Grundbausteinen des Universums liefern.
Die CMS-Kollaboration gab Mitte Februar bekannt, dass ihr neuer maschineller Lernalgorithmus Kollisionsereignisse schneller und genauer analysiert als alle traditionellen Methoden. Das löst ein zentrales Problem: den Umgang mit den Petabytes an Daten, die der LHC erzeugt.
Vom Regelwerk zur lernenden KI
Bisher nutzte das CMS-Experiment einen regelbasierten Algorithmus, den Physiker mühsam programmierten. Die neue Machine-Learning-Particle-Flow (MLPF)-Methode funktioniert grundlegend anders.
Starr vorgegebenen Logiken zu folgen, lernt das KI-Modell direkt aus simulierten Kollisionen. Es erkennt Muster in den Detektorschichten – ähnlich, wie ein Mensch ein Gesicht erkennt, ohne jede Einzelheit zu beschreiben. „Das ist ein Paradigmenwechsel“, erklärt ein Forscher. „Wir sagen der Software nicht mehr wie, sondern lassen sie lernen, wie Teilchen aussehen.“
Mehr Präzision für die Jagd nach neuen Teilchen
In Tests übertraf der MLPF-Algorithmus die etablierte Methode deutlich. Bei der Rekonstruktion von Teilchenjets aus Top-Quarks verbesserte sich die Präzision in entscheidenden Energiebereichen um 10 bis 20 Prozent.
Diese Steigerung kommt zahlreichen Analysen zugute – von Präzisionstests des Standardmodells bis zur direkten Suche nach neuer Physik. Zudem ist die KI effizienter: Sie läuft optimiert auf Grafikkarten (GPUs) und ist damit deutlich schneller als CPU-basierte traditionelle Algorithmen.
Rettungsanker für die Datenflut des HL-LHC
Der Durchbruch kommt zum perfekten Zeitpunkt. CERN bereitet das Upgrade zum High-Luminosity LHC (HL-LHC) vor, der ab etwa 2030 die Kollisionsrate verfünffachen wird. Die daraus resultierende Datenflut wäre für alte Rekonstruktionsmethoden eine kaum zu bewältigende Herausforderung.
„Unter den Bedingungen des HL-LHC wird dieser Algorithmus unverzichtbar sein“, so ein Projektmitglied. Die Fähigkeit der KI, direkt aus Daten zu lernen und sie effizient zu verarbeiten, wird entscheidend sein, um das volle wissenschaftliche Potenzial des leistungsgesteigerten Beschleunigers auszuschöpfen.
Ein ganzheitlicher Ansatz verändert die Spielregeln
KI ist am CERN nicht neu, doch der MLPF-Algorithmus setzt neue Maßstäbe. Bislang kam maschinelles Lernen vor allem in Triggersystemen oder zur Identifikation spezifischer Objekte zum Einsatz. Der MLPF-Algorithmus ist jedoch der erste, der ein gesamtes Kollisionsereignis von Grund auf vollständig rekonstruiert.
Dieser ganzheitliche Ansatz vereint Informationen aller Detektorkomponenten zu einem präzisen Gesamtbild. Er ermöglicht es Forschern, das Standardmodell detailgenauer zu überprüfen und nach schwachen Signalen unbekannter Teilchen zu fahnden.
Die Zukunft ist lernfähig
Der erfolgreiche Einsatz des MLPF-Algorithmus markiert einen Meilenstein, der die Datenanalyse aller LHC-Experimente prägen wird. Noch in der aktuellen dritten Laufzeit des LHC wird das Tool präzisere Messungen etwa des Higgs-Bosons ermöglichen.
Die Prinzipien dieser KI-gestützten Rekonstruktion werden fundamental für den Erfolg der Hochluminositäts-Ära sein. Mit wachsenden Datensätzen wird die Abhängigkeit von intelligenten, adaptiven Algorithmen nur zunehmen. Die CERN-Wissenschaftler rüsten sich damit für die Komplexität der subatomaren Welt – und erweitern die Grenzen unseres Wissens.
