Kehittyvän tekoälyn (AI) odotetaan muuttavan perusfysiikkaa ja tuovan ymmärrystä universumin kohtalosta, kuten CERNin tuleva pääjohtaja, professori Mark Thomson, joka astuu virkaan 1. tammikuuta 2026, korostaa. Hän huomauttaa, että koneoppiminen mahdollistaa merkittäviä edistysaskelia hiukkasfysiikassa, verrattavissa Nobel-palkittuihin AI-pohjaisiin ennusteisiin proteiinirakenteista. Suurella Hadron Colliderilla (LHC) käytetään kehittyneitä menetelmiä harvinaisien tapahtumien havaitsemiseen, jotka voisivat selittää, miten hiukkaset saivat massaa suuren alkuräjähdyksen jälkeen, ja arvioimaan universumin vakautta. Thomson korostaa, että nämä kehitykset edustavat olennaisia parannuksia, muuttaen alaa käyttämällä monimutkaisia tekoälytekniikoita monimutkaisten datakysymysten ratkaisemiseksi, samankaltaisesti kuin proteiinien taittamisessa. Tämä momentum tulee sillä hetkellä, kun CERN edistää tulevaa ympyräcollideria, ehdotettua 90 kilometrin laitosta, joka ylittäisi LHC:n kapasiteetin.

Huolimatta skeptisyydestä 17 miljardin dollarin hankkeen kohtuuhintaisuudesta ja LHC:n viimeaikaisista tuloksista, Thomson vakuuttaa, että tekoäly parantaa etsimistä uudelle fysiikalle, ja suuria löytöjä odotetaan vuoden 2030 jälkeen, koska suunniteltu päivitys lisää LHC:n sädeintensiivisyyttä kymmenkertaiseksi. Yksi keskeinen mittaus liittyy kahden Higgs-bosonin samanaikaiseen havaitsemiseen, mikä mahdollistaa tutkijoiden tutkia Higgs-hiukkasen itse-kytkentää—tämä on olennaista ymmärtämiseksi, miten hiukkaset saivat massaa pian suuren alkuräjähdyksen jälkeen. Aluksi epäröivä Thomson on nyt optimistinen merkittävien mittausten tekemisestä. Tämä ymmärrys Higgsin itse-kytkennästä voisi paljastaa, onko Higgs-kenttä saavuttanut vakaata tilaa vai voisiko tuleva, jyrkkä siirtymä olla mahdollinen, mikä on linjassa joidenkin Standardimallin ennusteiden kanssa. Kuitenkin asiantuntijat, kuten tohtori Matthew McCullough, rauhoittavat, ettei tällaiset tapahtumat uhkaa ihmiskuntaa lähiaikoina. Thomson mainitsee myös, että tekoälyä integroidaan erilaisiin LHC-toimintoihin, parantaen datan keräämistä ja analysointia. Koska LHC tuottaa noin 40 miljoonaa kolaria sekunnissa, tekoäly auttaa nopeasti määrittämään, mitkä tapahtumat ovat merkittäviä. Tämä on mahdollistanut tutkijoille saavuttaa enemmän datastaan kuin aiemmin oli mahdollista, merkitsemällä ainakin kahden vuosikymmenen edistystä vain kymmenessä vuodessa tekoälyn ansiosta. Lisäksi, vaikka pimeä aine pysyy tavoittamattomana, generatiivinen tekoäly voi helpottaa laajempia tutkimuskysymyksiä tuntemattomista datan osa-alueista, ja siten mahdollisesti auttaa tämän salaperäisen aineen etsinnässä, jonka uskotaan muodostavan suuren osan universumista.