El CERN y Mistral AI firmaron una declaración de intención para desarrollar un modelo de inteligencia artificial para el Gran Colisionador de Hadrones (LHC). El proyecto busca reunir varias tareas de análisis de colisiones ante la próxima etapa del acelerador.
El comunicado del CERN, publicado el 15 de octubre de 2026, plantea entrenarlo con miles de millones de colisiones simuladas entre protones. Reuters identifica el proyecto como Flare y señala que las partes no divulgaron presupuesto ni calendario de entrega.
La idea es obtener un modelo base, entrenado para servir a distintas tareas: reconstruir colisiones, identificar partículas, señalar indicios inesperados y evaluar diseños de futuros detectores.
Actualmente, una cadena de algoritmos especializados transforma las señales de los detectores en información utilizable para la física. El CERN quiere que un mismo modelo aprenda a lo largo de esa cadena. Su anuncio no incluye resultados comparativos frente a los algoritmos actuales.
Más datos y más colisiones en cada cruce
El laboratorio conserva alrededor de un exabyte de datos experimentales del LHC, equivalente a un millón de terabytes, según Reuters. La modernización añade otro desafío a esa escala de almacenamiento.
La ficha oficial del LHC de alta luminosidad (HL-LHC), cuya entrada en operación se prevé alrededor de 2030, fija como objetivo multiplicar por diez la luminosidad integrada respecto del diseño original del LHC. Esa medida expresa la acumulación de datos a lo largo del tiempo.
Para ATLAS y CMS, la misma documentación prevé entre 140 y 200 colisiones por cruce de paquetes de protones, frente a unas 60 actuales. Son cifras sobre lo que sucede en cada cruce, distintas del objetivo acumulado de la modernización.
La comparación ilustra dos exigencias del análisis: procesar más datos y distinguir las señales de más colisiones que coinciden en un cruce. Flare apunta a reunir las tareas de reconstrucción con las que el CERN busca afrontar esa carga.
