Un agente de IA realizó un análisis físico por sí solo exprés
Un físico que analiza colisiones de partículas suele pasar semanas en trabajo aburrido: limpiar el ruido de los datos, estimar cuántas señales falsas se colarán, verificar cada cifra. Ahora esa rutina se puede delegar a un programa. Los investigadores le dieron a Claude Code —un gran modelo de lenguaje— un conjunto de datos de los detectores ALEPH, DELPHI y CMS, herramientas de procesamiento y una carpeta con artículos antiguos. A partir de ahí, trabajó sola.
Primero, el programa seleccionó los eventos relevantes —como un cocinero que de un montón de ingredientes solo toma las verduras frescas para la sopa. Luego estimó el fondo: cuántas veces el detector pudo equivocarse y registrar ruido aleatorio en lugar de una partícula real. Calculó las incertidumbres, verificó la estadística y redactó un borrador del artículo. Uno de los resultados es la medición de la desintegración del bosón de Higgs en leptones tau con datos de CMS. Otro es el primer análisis del plano de Lund con datos de LEP, que nadie había publicado antes.
Los autores llamaron a su marco Just Furnish Context —«solo proporciona el contexto». La idea es simple: no es necesario detallar cada paso al agente, basta con ponerle delante los datos, las herramientas y los artículos. Luego él mismo entenderá qué hacer. Es como darle a un becario las llaves del laboratorio y la biblioteca: se las arreglará si los materiales son buenos.
Por supuesto, nadie dice que los físicos se quedarán sin trabajo. Al contrario: al liberarse de la rutina, los científicos podrán pensar en nuevas ideas, idear métodos y comprobar si la máquina se equivocó. Pero ya es hora de preparar a los estudiantes para esa realidad: enseñarles no solo a escribir código a mano, sino también a manejar asistentes inteligentes.
Resumen original
tal como lo escribieron los autores, en inglés arXiv:2603.20179
Large language model-based AI agents are now able to autonomously execute substantial portions of a high energy physics (HEP) analysis pipeline with minimal expert-curated input. Given access to a HEP dataset, an execution framework, and a corpus of prior experimental literature, we find that Claude Code succeeds in automating all stages of a typical analysis: event selection, background estimation, uncertainty quantification, statistical inference, and paper drafting. We argue that the experimental HEP community is underestimating the current capabilities of these systems, and that most proposed agentic workflows are too narrowly scoped or scaffolded to specific analysis structures. We present a proof-of-concept framework, Just Furnish Context (JFC), that integrates autonomous analysis agents with literature-based knowledge retrieval and multi-agent review, and show that this is sufficient to plan, execute, and document a credible high energy physics analysis. We demonstrate this by conducting analyses on open data from ALEPH, DELPHI, and CMS to perform electroweak, QCD, and Higgs boson measurements. We present two of those results in a condensed short paper form -- a CMS Run1 Open Data $$H\to \tau^+\tau^-$$ to demonstrate performance on a well-established result, and the first Lund plane measurement on LEP data -- a genuinely novel result and, to our knowledge, the first produced autonomously by an AI agent. Rather than replacing physicists, these tools promise to offload the repetitive technical burden of analysis code development, freeing researchers to focus on physics insight, truly novel method development, and rigorous validation. Given these developments, we advocate for new strategies for how the community trains students, organizes analysis efforts, and allocates human expertise.
El nuevo análisis del plano de Lund con datos de LEP se realizó sin intervención humana: solo un agente basado en un gran modelo de lenguaje.