CERN und Mistral AI entwickeln „Flare“ – das erste Grundlagenmodell für die Teilchenphysik
Das europäische Physiklabor CERN und das französische KI-Unternehmen Mistral AI haben sich zusammengetan, um Flare zu entwickeln – ein großes physikalisches Modell, das mit einem Exabyte an Kollisionsdaten des Large Hadron Collider trainiert wird, um Teilchenereignisse zu rekonstruieren und wissenschaftliche Entdeckungen zu beschleunigen.
CERN und das französische KI-Unternehmen Mistral AI gaben am 15. Oktober 2026 eine langfristige strategische Partnerschaft bekannt, um Flare zu entwickeln – das nach eigenen Angaben erste Grundlagenmodell für die Collider-Physik. Das Modell soll dieselbe Architektur nutzen, die auch großen Sprachmodellen zugrunde liegt – allerdings trainiert mit Kollisionsdaten statt mit Text –, beginnend mit rund einem Exabyte an Daten aus CERNs Large Hadron Collider, einem der größten wissenschaftlichen Datensätze der Welt.
CERN nennt vier zentrale Einsatzbereiche für Flare: die physikalische Rekonstruktion dessen, was innerhalb einer Kollision tatsächlich geschehen ist, die Identifizierung der dabei entstandenen Teilchen, das Aufspüren unerwarteter Signale, die auf neue Physik hindeuten könnten, sowie die Unterstützung von Physikern bei der Bewertung von Entwürfen für Detektoren der nächsten Generation. Flare soll einen Flickenteppich hochspezialisierter, handgeschriebener Algorithmen ersetzen, die derzeit für jede dieser Aufgaben einzeln eingesetzt werden.
Für Mistral verschafft die Partnerschaft Zugang zu einem außergewöhnlichen wissenschaftlichen Datensatz, während das französische Start-up versucht, sich an der wissenschaftlichen Spitze zu etablieren und mit größeren US-Konkurrenten zu konkurrieren. CERNs Zusammenarbeit mit einem europäischen KI-Unternehmen spiegelt zudem ein breiteres Bestreben wider, modernste KI-Fähigkeiten innerhalb europäischer Institutionen zu halten.
Die Partnerschaft fand breite Resonanz in Wissenschafts- und Technologiemedien; Analysten verweisen darauf, dass sie einen Wendepunkt darstellen könnte, wie Großforschungsexperimente mit den enormen Datenmengen moderner Teilchenbeschleuniger umgehen.
