ИИ-агент сам провёл физический анализ экспресс
Физик, который анализирует столкновения частиц, обычно тратит недели на скучную работу: вычистить шум из данных, прикинуть, сколько ложных сигналов проскочит, перепроверить каждую цифру. Теперь эту рутину можно отдать программе. Исследователи дали Claude Code — большую языковую модель — набор данных с детекторов ALEPH, DELPHI и CMS, инструменты для обработки и папку со старыми статьями. Дальше она работала сама.
Сначала программа отобрала нужные события — как повар, который из горы продуктов берёт только свежие овощи для супа. Потом оценила фон: сколько раз детектор мог ошибиться и записать случайный шум вместо настоящей частицы. Посчитала погрешности, проверила статистику и написала черновик статьи. Один из результатов — измерение распада бозона Хиггса на тау-лептоны по данным CMS. Другой — первый в истории анализ плоскости Лунда на данных LEP, который раньше никто не публиковал.
Авторы назвали свой каркас Just Furnish Context — «просто дай контекст». Идея простая: не нужно расписывать агенту каждый шаг, достаточно положить перед ним данные, инструменты и статьи. Дальше он сам поймёт, что делать. Это как дать стажёру ключи от лаборатории и библиотеку: он разберётся, если материалы хорошие.
Конечно, никто не говорит, что физики останутся без работы. Наоборот: освободившись от рутины, учёные смогут думать о новых идеях, придумывать методы и проверять, не ошиблась ли машина. Но готовить студентов к такой реальности нужно уже сейчас — учить не только писать код вручную, но и управлять умными помощниками.
Оригинальная аннотация
как её написали авторы, на английском 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.
Новый анализ плоскости Лунда на данных LEP был сделан без участия человека — только агентом на основе большой языковой модели.