在AI革命如火如荼的当下，

高能物理LHC实验正迎来哪些新变化？

北大高能团队又在其中扮演了怎样的角色？

对热爱高能物理与AI的年轻人而言，这里是否藏着属于我们的机会？

在一场别开生面的公开组会上，

北大大学物理学院技术物理系博雅博士后李聪乔为在场的本科生、研究生

带来了关于高能物理实验与前沿AI交叉研究的精彩分享。

2012年，人类在大型强子对撞机（LHC）首次观测到希格斯玻色子，恰逢深度学习技术迈入飞跃发展阶段。十余年过去，人工智能（AI）早已渗透进LHC实验的各类物理分析之中。如今，随着数据、算法和算力三驾马车并驾齐驱，大模型技术迅猛发展，高能物理实验也面临新的机遇：如何给LHC“插上AI的翅膀”，真正释放LHC的全部潜能？

主讲人李聪乔博士介绍，北大高能物理团队近年来在“高能实验×前沿AI”的探索上持续发力，开辟出两条令人瞩目的新路径：

1. 构建具强泛化能力的高能物理喷注基础模型；

2. 探索基于全事例分析的AI方法，突破传统喷注分析的局限。

这些突破离不开团队多年来在数据和算法层面的长期积累：通过与欧洲核子研究中心（CERN）、加州大学圣地亚哥分校（UCSD）等机构合作，团队先后推出JetClass与JetClass-II数据集，并贡献了备受国际合作组关注的Particle Transformer算法，为高能物理中的大模型发展打开了新局面。

——在基础模型方面，团队自2022年起在CMS实验率先研发通用粗喷注模型Global Particle Transformer（GloParT），目前已在实验中落地部署，并吸引十余所国际合作机构参与。其理念也延伸出CMS以外的“Sophon模型”，探索更广泛的应用场景。在AI全事例分析方向，团队首次揭示：通过精细的AI工程优化，复杂强子末态（如双希格斯衰变到4b夸克）过程的信号搜寻能力可以超过传统方法5倍以上的观测显著度，展现出全面革新LHC测量能力的潜质。

顺着这两条AI赋能的新路径，LHC通用实验还有哪些值得探索的方向？主讲人面向在场的本科生与研究生，勾勒了四个值得关注的新机遇：

1. 用AI“看见”新相空间：通过通用喷注分析模型识别出的独特相空间，设计物理实验，以提高特定物理量的测量精度。这类研究关注AI赋能下的实验原创性。

2. 复杂末态的AI“放大镜”：通过精细的AI工程，使用全事例分析的方法提升复杂强子末态过程的观测显著度，实现测量性能“跳级”。

3. 发展“懂粒子物理”的AI模型：探索更贴合粒子物理数据规律的模型，例如结合对称性原则改良Transformer结构；或研发适配粒子物理数据的预训练机制，增强模型的泛化能力。

4. 通用模型在LHC通用实验的任务拓展：依托其高效微调能力，应用于异常检测等新任务（发展弱/无监督学习方向等），拓展粒子物理“通用工具箱”。

“‘广阔天地，大有作为。’这些都是值得我们大胆探索的方向。”主讲人鼓励对AI前沿与高能物理交叉有志趣的同学们加入进来，共同助力LHC实验在AI时代开启新篇章。如果想了解更多，欢迎联系李聪乔博士（licongqiao@pku.edu.cn）等。

讲座结束后，同学们围绕主讲人在教室里展开热烈讨论，一场充满能量的科研“加油站”在愉快交流中落下帷幕。

相关视频：https://www.koushare.com/live/details/35036?vid=141491