קרדיט לתמונה הראשית: Photo by Antonio Vivace on Unsplash

CERN וחברת Mistral AI חתמו על הצהרת כוונות לפיתוח מודלי יסוד לפיזיקת חלקיקים. המיזם המתוכנן מבוסס על מיליארדי התנגשויות מדומות; טרם פורסמו תקציב או מועד השקה.

עודכן: 15 באוקטובר 2026. האמור מבוסס על פרסומי המקורות המפורטים בסוף הכתבה.

5 נקודות מרכזיות

• **שיתוף פעולה חדש:** CERN ו־Mistral AI הציגו ב־15 באוקטובר 2026 הצהרת כוונות לשותפות ארוכת טווח.
• **המודל המתוכנן:** Large Physics Model לפיזיקת התנגשויות, שיאומן על מיליארדי אירועים מדומים.
• **המטרה:** לסייע בזיהוי חלקיקים ובשחזור מה שהתרחש בתוך הגלאים לאחר התנגשות.
• **סדרי גודל:** ב־CERN נשמרים כיום נתוני ניסויים בהיקף של כ־1 אקסבייט, עם צפי לזינוק בנתונים לאחר שדרוג המאיץ.
• **טרם הוכח:** אין עדיין לוח זמנים או תקציב שפורסמו, והמודל אינו תגלית פיזיקלית בפני עצמו.

מה סוכם בין CERN למיסטרל?

המרכז האירופי למחקר גרעיני CERN וחברת הבינה המלאכותית הצרפתית Mistral AI חתמו על הצהרת כוונות לבניית שיתוף פעולה ארוך טווח. לפי הודעת הארגונים שפורסמה ב־15 באוקטובר 2026, המטרה היא לפתח מודלי יסוד שמותאמים לבעיות מדעיות, ובראשן פיזיקת חלקיקים. מדובר בשלב הצהרתי ותכנוני: הצדדים לא מסרו עדיין מהו תקציב הפרויקט, מתי יושלם או אילו ביצועים יוכל להשיג.

מה זה Large Physics Model?

מודלי שפה כלליים מאומנים על טקסט, תמונות ומידע אחר כדי ללמוד דפוסים. מודל פיזיקה גדול אמור ללמוד דפוסים מתוך מיליארדי התנגשויות חלקיקים מדומות, כולל הקשרים בין האותות שנקלטים בגלאים לבין חלקיקים שלא ניתן לראות ישירות. ב־CERN מתארים אותו כמודל יסוד ייעודי לתחום הניסויים במאיצים. מטרתו לאפשר שימוש חוזר במערכת גמישה למשימות שהיום דורשות אלגוריתמים פרטניים.

מדוע מאיץ החלקיקים מייצר כל כך הרבה נתונים?

במאיץ ההדרונים הגדול (LHC) חלקיקים מואצים ומתנגשים באנרגיות גבוהות. בכל התנגשות נוצרים חלקיקים ואותות שונים, והגלאים אוספים נפח מידע עצום. מערכות מחשוב מסננות, משחזרות ומנתחות את הנתונים כדי להבחין בתהליכים נדירים בין אירועים רבים. לפי CERN, היקף נתוני הניסויים שנשמרו מגיע לכ־1 אקסבייט – מיליון טרה־בייט – ונפח ההתנגשויות צפוי לעלות בערך פי עשרה לאחר השדרוג הגדול המתוכנן סביב 2030.

האם AI יכולה לגלות חוקי טבע חדשים?

ייתכן שמודלים מתקדמים יעזרו לחוקרים לשחזר אירועים מהר יותר, לזהות חריגות ולהחליט אילו אותות ראויים לבדיקה. אך זיהוי תבנית אינו הוכחה לגילוי חלקיק חדש. כל מסקנה מדעית תצטרך לעמוד בביקורת, בהשוואה לתחזיות תיאורטיות ובאימות מול נתונים נפרדים. גם ההבטחה להחליף חלק מאלגוריתמי הזיהוי הקיימים אינה שקולה לקביעה שהמודל החדש כבר מסוגל לעשות זאת.

למה דווקא מיסטרל ומה עשויה להיות ההשפעה?

מיסטרל מפתחת מודלי בינה מלאכותית ותשתיות לשימוש ארגוני. בעבור CERN, שיתוף הפעולה עשוי להביא מומחיות בבניית מודלי יסוד ובהרצה בקנה מידה גדול. בעבור מיסטרל, פיזיקת החלקיקים היא סביבת בדיקה קשה מאוד שבה ניתן למדוד הצלחה מול נתונים ומגבלות פיזיקליות. שני הצדדים מעריכים שהשיטות עשויות לשרת גם ענפי מחקר אחרים, אך זה יעד ארוך טווח ולא תוצאה קיימת.

קישורים ומקורות

רויטרס – הודעת השותפות, 15.10.2026. לקריאה נוספת באתר: כלי AI של גוגל לחוקרים ובינה מלאכותית בפיתוח תרופות.

אחרי מה לעקוב

פרסום מסמך עבודה, תקציב, אבני דרך ונתוני מבחן השוואתיים למערכות שחזור חלקיקים.

הזווית הישראלית

לחוקרים בישראל ולחברות המפתחות כלי AI למדע יש עניין בשאלה אילו מודלים ושיטות יונגשו לקהילה ובאילו תנאי שימוש. נכון לעכשיו לא פורסם על שיתוף פעולה ישראלי ספציפי במסגרת המיזם.