⚛️ high-energy experiments

AI Agents Can Already Autonomously Perform Experimental High Energy Physics

Dit artikel toont aan dat AI-agenten, specifiek Claude Code binnen een "Just Furnish Context"-framework, autonoom de volledige pijplijn van hoogenergetische fysica-analyse kunnen uitvoeren—van gegevensverwerking en statistische inferentie tot het schrijven van papers—om zowel gevestigde als nieuwe resultaten te produceren, wat suggereert dat de gemeenschap haar training en workflows moet aanpassen om deze capaciteiten te benutten voor versterkte wetenschappelijke ontdekking.

Oorspronkelijke auteurs: Eric A. Moreno, Samuel Bright-Thonney, Andrzej Novak, Dolores Garcia, Philip Harris

Gepubliceerd 2026-06-23

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Eric A. Moreno, Samuel Bright-Thonney, Andrzej Novak, Dolores Garcia, Philip Harris

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je een experiment in de hogere fysica voor als een enorm, jarenlang bouwproject. Normaal gesproken ontwerpt een team van deskundige architecten (fysici) het gebouw, maar ze besteden 90% van hun tijd aan het zware werk: het mengen van het beton, het leggen van elke individuele baksteen en het handmatig aansluiten van elk stopcontact. Ze moeten duizenden regels code schrijven om gegevens te verwerken, waarbij ze vaak dezelfde instructies kopiëren en plakken die ze voor andere projecten gebruikten. Het is eentonig, foutgevoelig en laat hen weinig tijd over om erover na te denken waarom het gebouw er op een bepaalde manier uit zou moeten zien.

Dit artikel betoogt dat we nu een team van AI-agenten kunnen inhuren om het zware werk van de constructie te doen, waardoor de menselijke architecten vrijkomen om zich te concenten op het ontwerp en het grotere plaatje.

Hier is een uitsplitsing van wat de onderzoekers hebben gedaan, met behulp van eenvoudige analogieën:

Het "Just Furnish Context" (JFC) Framework

De onderzoekers hebben een systeem gebouwd genaamd JFC. Zie dit als een zeer georganiseerde bouwplaatsmanager die zelf niet het fysieke werk doet, maar een team van gespecialiseerde robots aanstuurt.

De Baas (De Orchestrator): Je geeft het systeem een simpel doel, zoals: "Meet het gewicht van dit specifieke deeltje met oude gegevens uit de jaren '90." De Baas kent de details niet; hij breekt de taak alleen op in stappen.
De Werkers (Executor Agents): Dit zijn de robots die daadwerkelijk de code schrijven, de simulaties draaien en de cijfers berekenen. Ze volgen niet alleen een vooraf geschreven script; ze moeten zelf uitzoeken hoe ze de oplossing vanaf nul moeten bouwen, net zoals een mens dat zou doen.
De Bibliothecaris (Knowledge Retrieval): Voordat ze gaan bouwen, gaan de agenten naar een digitale bibliotheek. Ze lezen duizenden oude natuurkundige artikelen om te zien hoe soortgelijke taken in het verleden zijn uitgevoerd. Dit zorgt ervoor dat ze het wiel niet opnieuw uitvinden of stomme fouten maken.
De Inspecteurs (Multi-Agent Review): Dit is het meest unieke deel. Voordat de mensen het resultaat überhaupt te zien krijgen, controleert een team van AI-"inspecteurs" het werk.
- Eén inspecteur controleert de natuurkundige logica.
- Een andere controleert of de grafieken er juist uitzien.
- Een andere controleert of de wiskunde klopt.
- Als ze een fout vinden, sturen ze het werk terug naar de "Werker" om het te herstellen. Deze cyclus herhaalt zich totdat het werk perfect is.

De "Blinde" Test

In de natuurkunde is er een regel genaamd "blinding" (blind maken). Je mag het uiteindelijke antwoord niet zien totdat je zeker weet dat je methode correct is, zodat je niet per ongeluk je wiskunde aanpast om het antwoord te krijgen dat je wilt.

Het AI-systeem volgde deze regel strikt:

Fase 1: Het plande het experiment met alleen behulp van theorie en oude data.
Fase 2: Het voerde een "gedeeltelijke unblinding" uit op slechts 10% van de data om te controleren of er niets mis was gegaan.
De Menselijke Poort: Het systeem stopte en vroeg aan een mens: "Is alles gereed? Kunnen we naar de volledige 100% van de data kijken?"
Fase 3: Pas nadat de mens "Ja" zei, keek de AI naar de rest van de data en produceerde het uiteindelijke resultaat.

Wat hebben ze gebouwd?

Het team testte dit systeem op echte, openbare data van beroemde deeltjesversnellers (LEP en CMS). Ze vroegen de AI om zes verschillende complexe natuurkundige metingen te verrichten.

De "Reproductie"-test: Ze vroegen de AI om een bekende meting van het Higgs-boson (een beroemd deeltje) te reproduceren. De AI deed dit succesvol en produceerde een resultaat dat bijna perfect overeenkwam met het originele, door mensen gemaakte artikel.
De "Ontdekking"-test: Ze vroegen de AI om iets te meten dat nog nooit eerder in dat specifieke type experiment was gemeten (de "Lund jet plane" dichtheid). De AI ontwierp het experiment succesvol, voerde de analyse uit en produceerde volledig op eigen houtje een nieuw wetenschappelijk resultaat.

De Resultaten en de Kanttekening

Het artikel beweert dat deze AI-agenten nu het "saaie" deel van de natuurkunde kunnen doen: de code schrijven, de wiskunde controleren en de grafieken tekenen.

Het Goede Nieuws: De AI produceerde rapporten en grafieken die er precies zo uitzagen als wanneer ze door een junior promovendus waren geschreven. Het bespaarde een enorme hoeveelheid tijd.
De Realiteitscheck: De auteurs zijn zeer voorzichtig in hun bewering dat AI de natuurkundigen niet vervangt.
- De AI is als een zeer snelle, zeer ijverige stagiair. Het kan het werk doen, maar het kan ook subtiele fouten maken (zoals het gebruik van de verkeerde formule of het missen van een klein detail).
- De menselijke natuurkundige moet nog steeds optreden als de "Senior Architect". Zij moeten het werk van de AI lezen, begrijpen en goedkeuren. Als de AI een fout maakt, is de mens nog steeds verantwoordelijk.
- De AI is goed in het volgen van gevestigde regels, maar is nog niet goed in het bedenken van volledig nieuwe, creatieve manieren om problemen op te lossen die nog nooit eerder zijn gezien.

De Kern van het Verhaal

Dit artikel laat zien dat we het punt hebben bereikt waarop AI autonoom de technische, repetitieve kant van de hogere natuurkunde kan afhandelen. In plaats van jarenlang te leren hoe je elke baksteen moet leggen, kunnen toekomstige natuurkundigen hun tijd besteden aan het beslissen wat ze bouwen en waarom dat belangrijk is. De AI doet het zware werk, maar de mens houdt de sleutels van het gebouw in handen.

Technische Samenvatting: AI-agenten kunnen al autonoom experimentele hogeelektronenfysica uitvoeren

Probleemstelling
Analyses in de experimentele hogeelektronenfysica (HEP) zijn traditioneel arbeidsintensieve, algoritmische processen die het grootste deel van de tijd van een promovendus of postdoc opslokken. De workflow omvat het identificeren van meetkanalen, het bestuderen van literatuur, het ontwerpen van event-selecties, het kwantificeren van systematische onzekerheden, het uitvoeren van statistische inferentie en het opstellen van rapporten. Een aanzienlijk deel van deze inspanning wordt besteed aan het schrijven van duizenden regels structureel vergelijkbare code om data te verwerken en standaardtechnieken toe te passen, vaak zonder diepgaande natuurkundige redenering. Dit proces wordt frequent vertraagd door een gebrek aan gecentraliseerde, actuele documentatie voor de kernsoftware-infrastructuur, wat leidt tot foutgevoelige en tijdrovende workflows met een afnemend educatief rendement na de initiële leerfase. Hoewel Large Language Models (LLM's) veelbelovend zijn gebleken voor codegeneratie, zijn bestaande agentische systemen in HEP vaak beperkt tot rigide, vooraf gedefinieerde analyse-structuren of vereisen ze constante menselijke supervisie, wat echte autonomie in de weg staat.

Methodologie: Het Just Furnish Context (JFC) Framework
De auteurs introduceren "Just Furnish Context" (JFC), een proof-of-concept framework dat is ontworpen om de volledige autonome uitvoering van HEP-analysepipelines mogelijk te maken. Het framework werkt volgens het principe dat een AI-agent alleen een hoogwaardig natuurkundig doel moet ontvangen (bijv. "Meet de Z-lijnschap") en autonoom de volledige strategie moet bepalen, inclusief event-selectie, achtergrondschatting en statistische methoden, zonder dat er een sjabloon of skeletcode wordt verstrekt.

Belangrijke componenten van de JFC-architectuur zijn:

Orchestrator en Subagenten: Een centrale orchestrator delegeert taken aan gespecialiseerde subagenten (Executor, Reviewers, Note-writer, Typesetter, Arbiter) via de Claude Code-omgeving (Opus 4.8 model). De orchestrator schrijft zelf nooit code of leest volledige databestanden; hij beheert de workflow via geschreven artefacten.
Sequentiële Fasen met Gates: De analyse wordt opgedeeld in sequentiële fasen (Strategie, Exploratie, Verwerking, Inferentie, Documentatie). Elke fase wordt afgeschermd door de productie van een geschreven artefact (bijv. STRATEGY.md, SELECTION.md) en moet een onafhankelijke review passeren voordat men kan voortgaan.
Multi-Agent Review Systeem: Om het gedistribueerde menselijke reviewproces van traditionele collaboraties te vervangen, gebruikt JFC een panel van gespecialiseerde AI-reviewers:
- Physics Reviewer: Evalueert de natuurkundige deugdelijkheid (signaalmodellering, achtergrondschatting) zonder toegang tot de interne methodologie van het framework, optredend als een externe referee.
- Critical Reviewer: Controleert de naleving van methodologische specificaties en conventies.
- Constructive Reviewer: Stelt verbeteringen en alternatieven voor.
- Plot Validator: Voert programmatische controles uit op figuren (opbrengsten, eenheden, consistentie) en detecteert rode vlaggen (bijv. negatieve opbrengsten, niet-geconvergeerde fits).
- Arbiter: Synthetiseert de bevindingen van de reviewers tot een PASS, ITERATE of ESCALATE oordeel.
Kennisretrieval: Het framework integreert SciTreeRAG om domeinspecifieke kennis te extraheren uit een corpus van gepubliceerde papers (bijv. ALEPH, DELPHI, CMS). Hierdoor kunnen agenten selectiecriteria en de evaluatie van systematische onzekerheden aanpassen op basis van gevestigde experimentele praktijken, in plaats van enkel te vertrouwen op hun pre-training data.
Blinding Protocol: Het framework handhaaft een strikt blinding-protocol. De analyse vordert met behulp van Asimov-datasets (verwachte resultaten) tot een "Partial Unblinding"-fase (10% van de signaaldata) die is beoordeeld en expliciet is goedgekeurd door een menselijke gate. Pas na menselijke goedkeuring gaat de agent over naar "Full Unblinding" op de volledige dataset.
Software Stack: Het systeem dwingt een pure Python-stack af (uproot, awkward-array, hist, pyhf, mplhep) om reproduceerbaarheid te garanderen en legacy C++ macro-afhankelijkheden te vermijden.

Belangrijkste Bijdragen

Autonome End-to-End Executie: Het paper demonstreert dat een AI-agent autonoom een volledige HEP-analyse kan plannen, uitvoeren en documenteren—van event-selectie en achtergrondschatting tot statistische inferentie en het opstellen van een paper—gebaseerd op enkel een korte natuurlijke taal-prompt en toegang tot open data.
Nieuwe Meting: Het framework produceerde de eerste meting van de primaire Lund jet plane dichtheid in hadronische Z-vervalprocessen met behulp van ALEPH-data. Naar weten van de auteurs is dit de eerste keer dat deze observable gemeten is in $e^+e^-$ botsingen en de eerste nieuwe HEP-meting die volledig autonoom door een AI-agent is geproduceerd.
Reproductie van Gevestigde Resultaten: Het systeem reproduceerde succesvol een CMS Higgs-boson signaalsterkte-meting ( $H \to \tau^+\tau^-$ ) in het $\mu\tau_h$ kanaal met behulp van CMS Open Data. Het resultaat ( $\hat{\mu} = 1.20 \pm 1.13$ ) is consistent met de gepubliceerde CMS-waarde ( $\mu = 1.01 \pm 0.41$ ) binnen 0.16 $\sigma$ , wat de bekwaamheid van het framework valideert om complexe statistische modellen te repliceren.
Multi-Agent Review Validatie: Het paper stelt vast dat een multi-agent review systeem effectief fouten kan detecteren (bijv. onjuiste achtergrond-priors, overdreven significantie) en rigoureuze standaarden kan afdwingen die vergelijkbaar zijn met menselijke collaboratie-reviews, waardoor de noodzaak voor continue menselijke interventie tijdens de coderings- en debugfasen wordt verminderd.

Resultaten
De auteurs pasten JFC toe op zes verschillende analyses over ALEPH, DELPHI en CMS open data:

Scalar Observables: De agent produceerde metingen voor Z-lijnschap parameters ( $M_Z, \Gamma_Z, \sigma_{had}^0$ ), heavy-flavor observables ( $R_b, A_{FB}^b$ ) en event shapes ( $\alpha_s$ ). Acht van de negen scalar-vergelijkingen vielen binnen $|pull| < 2$ van de gepubliceerde referentiewaarden. Eén uitschieter ( $\Gamma_Z$ ) vertoonde een afwijking van $-3.4\sigma$ , herleidbaar naar een residueel efficiëntieprobleem bij off-peak scanpunten.
Onzekerheidskwantificatie: Hoewel de centrale waarden over het algemeen consistent waren, waren de onzekerheden van de agent vaak groter dan de gepubliceerde resultaten (bijv. de CMS $\mu\tau_h$ onzekerheid was bijna drie keer de gepubliceerde waarde), wat de beperkingen reflecteert van het gebruik van gedeeltelijke open datasets en enkele eindtoestanden in plaats van volledige collaboratie-datasets.
Kwalitatieve Beoordeling: De agent selecteerde consequent standaard analyse-strategieën (bijv. iteratieve Bayesiaanse unfolding, HistFactory likelihoods) en identificeerde correcte bronnen van systematische onzekerheid. De gegenereerde analyse-notities en figuren waren van publicatiekwaliteit, hoewel sommige iteratieve verfijning door de review-agenten vereisten om formattering of logische fouten te corrigeren.
Efficiëntie: De volledige pipeline voor een enkele analyse nam ongeveer 10 uur wandkloktijd in beslag (inclusclusief wachttijd voor rate limits), waarbij de actieve rekentijd aanzienlijk korter was.

Betekenis en Claims
Het paper betoogt dat de experimentele HEP-gemeenschap de huidige capaciteiten van agentische AI-systemen onderschat. De auteurs claimen dat:

Huidige Capaciteit: AI-agenten kunnen nu al de "repetitieve technische last" van analyse-codenormen afhandelen, waardoor onderzoekers vrijkomen voor natuurkundige inzichten, innovatieve methodeontwikkeling en rigoureuze validatie.
Geen Vervanging, maar Ontlasting: De auteurs stellen expliciet dat zij niet pleiten voor AI om natuurkundigen te vervangen. De uiteindelijke output van elke AI-ondersteunde analyse moet grondig worden gecontroleerd en gevalideerd door domeinexperts. De rol van de natuurkundige verschuift van implementator naar architect en criticus.
Paradigmaverschuiving: Het framework suggereert een noodzaak om de training van studenten, de organisatie van analyse-inspanningen en de allocatie van menselijke expertise te heroverwegen. Als implementatie kan worden gecomprimeerd van jaren naar maanden (of dagen), verschuift de bottleneck in HEP van coderingscapaciteit naar natuurkundige ideeën en de bandbreedte voor menselijke review.
Reanalyse van Legacy Data: Het framework biedt een pad voor het systematisch heranalyseren van enorme archieven van legacy data (bijv. LEP, Tevatron) met moderne software en technieken, een taak die voorheen onpraktisch was vanwege het verlies van expertise in legacy-codebases (bijv. FORTRAN, PAW).

Het paper concludeert dat hoewel huidige agenten niet perfect zijn en menselijk toezicht vereisen voor validatie en unblinding, de technologie om een analyse op niveau van een promovendus autonoom uit te voeren al aanwezig is, wat onmiddellijke experimentatie en de ontwikkeling van verantwoorde workflows en benchmarks rechtvaardigt.

Het "Just Furnish Context" (JFC) Framework

De "Blinde" Test

Wat hebben ze gebouwd?

De Resultaten en de Kanttekening

De Kern van het Verhaal

Meer zoals dit