سرن، آزمایشگاه اروپایی فیزیک ذرات در نزدیکی ژنو، و شرکت فرانسوی هوش مصنوعی Mistral قرار است با هم روی مدل‌های پایه برای علم کار کنند. این دو نهاد روز ۱۵ اکتبر ۲۰۲۶ بیانیه‌ی قصدی امضا کردند که به گفته‌ی خودشان یک همکاری راهبردی بلندمدت را پایه‌گذاری می‌کند. نخستین هدف، ساخت «مدل بزرگ فیزیک» است؛ مدلی که سرن آن را نخستین مدل پایه‌ی ویژه‌ی فیزیک برخورددهنده‌ها می‌خواند و به گزارش رویترز Flare نام خواهد گرفت.
طرح این است که یک مدل واحد روی میلیاردها برخورد شبیه‌سازی‌شده‌ی پروتون با پروتون در برخورددهنده‌ی بزرگ هادرونی (LHC) پیش‌آموزش ببیند و سپس هم‌زمان برای چند کار به کار رود. سرن چهار کار را نام می‌برد: بازسازی رخدادهای یک برخورد، شناسایی ذرات تولیدشده، علامت‌گذاری سیگنال‌های غیرمنتظره و کمک به فیزیک‌دانان برای سنجش طرح آشکارسازهای آینده. سخنگوی سرن به رویترز گفته است این رویکرد از ایده‌ی مدل‌های بزرگ زبانی در هوش مصنوعی مولد الهام می‌گیرد، با این تفاوت که داده‌ی آموزشی آن به‌جای متن، داده‌ی برخوردهاست.
اهمیت این موضوع با نگاهی به شیوه‌ی کنونی پردازش داده‌های LHC روشن می‌شود. خوانش‌های خام آشکارسازها از زنجیره‌ای از الگوریتم‌های تخصصی عبور می‌کنند و هر حلقه خروجی مرحله‌ی قبل را به اجزایی نزدیک‌تر به آنچه فیزیک‌دانان تحلیل می‌کنند تبدیل می‌کند، مانند مسیر ذرات، فواره‌ها و ذرات شناسایی‌شده. یادگیری ماشین هم‌اکنون بسیاری از این مراحل را بهتر کرده و به گفته‌ی سخنگو، سرن حدود یک دهه است که از هوش مصنوعی برای تبدیل داده‌ی خام به تصویر رخدادها استفاده می‌کند، اما برای هر مرحله ابزاری جداگانه دارد. به نوشته‌ی رویترز، مدلی پیش‌آموخته که کل این زنجیره را یاد بگیرد می‌تواند جای برخی از این اجزای اختصاصی را بگیرد.
مقیاس، محرک دیگر این پروژه است. سرن می‌گوید تاکنون حدود یک اگزابایت، یعنی نزدیک به یک میلیون ترابایت، داده‌ی آزمایشی از این برخورددهنده ذخیره کرده و انتظار دارد با آغاز به کار ارتقای High-Luminosity LHC در حدود سال ۲۰۳۰، شمار برخوردها ده برابر شود. انریکا پورکاری، مدیر ارشد فناوری اطلاعات سرن، معتقد است فیزیک انرژی‌های بالا بستری به‌غایت سخت‌گیرانه برای ساخت و آزمودن هوش مصنوعی است و توانمندی‌های حاصل باید در اختیار کل جامعه‌ی فیزیک قرار گیرد. یوهانس براندشتتر، معاون بخش هوش مصنوعی برای مهندسی در Mistral، نیز گفته است این همکاری می‌تواند مرزهای این رشته را جابه‌جا کند.
برای Mistral، این توافق به یک توسعه‌دهنده‌ی تجاری مدل جایگاهی در یکی از بزرگ‌ترین محیط‌های داده‌ی علمی جهان می‌دهد و با موضع علنی این شرکت درباره‌ی علم هم‌خوانی دارد. رویترز یادآوری می‌کند که آرتور منش، مدیرعامل Mistral، در همان روز در روزنامه‌ی لوموند نوشت مدل‌های پیشرو برای پیشرفت علم ضروری شده‌اند و از شرکت‌هایی که برتری‌هایشان را برای خود نگه می‌دارند انتقاد کرد. این شرکت همچنین آماده می‌شود تا ۲۷ اکتبر یک مدل تازه با وزن‌های باز را به‌طور عمومی عرضه کند.
چند جزئیات کلیدی هنوز در دست نیست. هیچ‌یک از دو طرف بودجه، زمان‌بندی، منابع محاسباتی یا تاریخ آغاز آموزش را اعلام نکرده‌اند. نتیجه‌ای از عملکرد مدل وجود ندارد و شرایط دسترسی به مدل احتمالی، از جمله انتشار باز وزن‌ها، مشخص نشده است. کار در آغاز به فیزیک انرژی‌های بالا محدود است، هرچند هر دو شریک می‌گویند این روش‌ها بعدها می‌توانند به کار علوم دیگر هم بیایند.