北京市玉泉路北京正負電子對撞機園區附近的會議室，近兩年每月都會召開一場特別的組會。會議桌的兩邊各坐著一支中國科學院研究團隊：一邊是從事高能物理研究的實驗團隊，另一邊則是開展人工智能（AI）研究的專業團隊。

這是一場高能物理與AI技術的碰撞。會議召集人是中國科學院大學（以下簡稱國科大）物理科學學院教授呂曉睿、電子電氣與通信工程學院教授葉齊祥。

高能物理與AI，兩個看似遙遠的學科在這里打破邊界、緊密結合。在中國科學院與財政部聯合啟動的“穩定支持基礎研究領域青年團隊計劃”（以下簡稱“青年團隊計劃”）支持下，呂曉睿團隊開發的數據與智能驅動的新一代科學模型和算法，為解決高能物理領域長期懸而未決的科學難題開啟了一扇新窗口。

挑戰不可能

從事高能物理研究的數年間，呂曉睿心里始終放不下一道難題：在高能物理實驗中進行中子動量重建。

“中子是一種不帶電的中性粒子，穿透性極強，無法像帶電粒子那樣被直接捕捉和追蹤。”呂曉睿解釋道，“而且，傳統數據分析手段難以高效、準確地測量中子能量。”

隨著AI技術的廣泛應用，呂曉睿有了新的思路——利用先進的AI技術，或許能加速高能物理實驗研究的效率提升和范式革新。

他找到“老朋友”、同為中國科學院青年創新促進會會員的葉齊祥。兩人一拍即合，決定從AI的視角重新審視這一長期被視作“不可能完成的任務”。

然而，在高能物理與AI的前沿交叉領域，研究周期長、不確定因素多、出成果較慢。短期內能不能發論文？沒有成果，靠什么得到項目支持？這些現實問題，光靠兩個年輕團隊的努力無法解決。呂曉睿一時陷入迷茫。

2021年，中國科學院與財政部聯合啟動的“青年團隊計劃”，在申請時不唯“帽子”，也不論資排輩，鼓勵青年團隊瞄準科學前沿重大問題，開展建制化、定向性基礎研究。該計劃每年圍繞“從0到1”原始創新、關鍵核心技術的源頭科學難題發布問題清單，對申請成功的團隊給予持續5年的穩定支持，且沒有頻繁的考核。

2024年，該計劃針對傳統科學研究范式難以處理高維復雜系統、海量科學數據利用不充分、現有AI模型可解釋性與泛化能力不足等問題，凝練出“數據與智能驅動的新一代科學模型和算法”，旨在構建科學啟發與智能學習的新一代科學模型與算法，突破復雜系統高效處理與規律發現瓶頸，推動科研范式向數據與智能雙驅動轉型，為多領域基礎研究提供共性支撐，實現原創性、引領性科學突破。

這讓迷茫中的呂曉睿看到了曙光。“如果能申請到這個項目，大家就不必再被迫將精力分散到頻繁申請短期經費，或追趕熱點、快速發表成果的事務上。”呂曉睿說。

于是，呂曉睿和葉齊祥的兩支團隊決定聯手，從高能物理與AI交叉融合的角度“破題”。“高能物理和AI其實有著天然的‘合作機緣’。”呂曉睿解釋說，高能物理實驗中會產生海量數據，而對AI大模型而言，數據越多，越能發揮大模型的優勢。

更令呂曉睿感到振奮的是，“‘青年團隊計劃’的評審機制摒棄了以職銜、從業年限或過往頭銜為核心的舊有評價體系，不再將資歷深淺作為判斷依據”。呂曉睿說，他們靠著扎實的基礎和清晰的研究思路，在激烈的角逐中最終打動評委，成功入選。

在該計劃的穩定支持下，基于中國科學院的高水平科教融合平臺，他們大展身手，共同探索搭建“物理規律嵌入的人工智能基礎模型”。

他們發現，基于北京正負電子對撞機進行的北京譜儀Ⅲ實驗，恰好能成為探索的抓手。“北京譜儀Ⅲ實驗在高度受控的對撞環境中積累了海量數據，其中部分物理過程無需直接測量中子，便可反推出其產生時間、能量、飛行方向等信息。”呂曉睿說，“通過該方法，我們標記了上千萬個高質量的中子樣本。”

▲北京正負電子對撞機上的北京譜儀III探測器

“利用這一模型，我們對實驗數據進行訓練與推理，第一次實現了電磁量能器中反中子的直接重建，顯著增強了實驗對相關物理過程的解析能力。”呂曉睿說，“AI模型的位置分辨率相對傳統方法最高提升96%，動量分辨率在1吉電子伏特處能達到17%，而傳統方法對此無能為力。”

跨界“強強聯合”

“AI＋高能物理”的跨界合作，并不是件容易事。起初，他們也經歷了一段磨合期。

“首先要理解對方的‘語言’。”呂曉睿解釋說，“高能物理實驗里存在許多專有詞匯，AI模型的訓練也需要對實驗數據進行描述和轉化，這些都需要我們反復溝通交流。”

此外，雙方的工作模式也有“時差”。在高能物理實驗中，往往是少則二三百人、多則上千人的大型合作組，需要共同遵循相應規則完成成果研究。而對AI團隊來說，可能只需要幾個人就能完成一個項目的開發和測試，工作節奏相對更快。

經過半年的磨合，雙方團隊適應了彼此的節奏。在執行“青年團隊計劃”的過程中，團隊沒有了發論文、籌經費的壓力，更專注于真正重要的科學問題，甚至主動選擇攻克那些前期探索性強但短期難以發表論文的“硬骨頭”課題。

在此過程里，呂曉睿發現，不少成員也逐漸萌生了對對方學科的興趣，決定在“AI＋高能物理”前沿交叉領域開展更多探索。

呂曉睿的博士生、國科大物理科學學院特別研究助理孫昊就是其中之一。

“這兩年，我深刻感受到AI正在從根本上改變高能物理大裝置的整個科研流程。”孫昊告訴記者，大科學裝置的建設、運行和科研工作中蘊含豐富的科學和技術課題，包括AI應用在內，眾多大科學裝置催生的技術和方法有了越來越多的用武之地。

這些在“青年團隊計劃”中成長的年輕人，逐漸釋放出蓬勃的活力與創造力。

“我們也在給AI出難題，比如怎么讓AI嚴格遵循物理定律，怎么讓AI直接發現新粒子、新規律等。這些難題也將賦予AI新的能力，催生出突破注意力機制、物理定律啟發、具有可解釋性的信息基礎模型。”孫昊說。

目前，“物理規律嵌入的人工智能基礎模型”已取得多項關鍵進展。依托歐洲核子研究中心大型強子對撞機（LHC）上的底夸克探測器（LHCb）實驗，團隊將模型底座拓展至底強子味道標記與衰變模式判別，大幅提高宇宙正反物質不對稱性研究中的味道標記性能；依托江門中微子實驗，開展能量與頂點高精度重建，以及碳14偶然符合本底抑制研究……

“目前，我們已初步打通物理規律驅動的AI方法從底層建模到跨場景應用的創新鏈條。”呂曉睿說。

敢闖“無人區”

敢闖“無人區”，離不開多方面的支持。

作為基礎研究的前沿方向之一，高能物理領域的國際競爭日趨激烈。“一些新的熱點方向大家都會去研究，這個時候就需要我們質量更高、更有效率地率先做出成果。”呂曉睿說，大科學裝置實驗周期長、數據積累慢、成果產出難，是一場需要長期堅持的“馬拉松”。

“‘青年團隊計劃’和中國科學院的建制化科研優勢給了我們信心，讓我們能放開手腳進行‘從0到1’的嘗試。”呂曉睿告訴記者，團隊成員有的來自中國科學院近代物理研究所，有的來自中國科學院高能物理研究所，也有其他高校老師，“得益于我院體系化、建制化優勢，我們能夠和不同大科學裝置中的科研人員溝通，共同探索AI與高能物理實驗結合的新可能”。

除了產出了一批重大原創科研成果，更讓呂曉睿高興的是，越來越多優秀的碩博生乃至本科生，都開始進入基礎研究的前沿交叉領域。

“在‘青年團隊計劃’的支持下，我們匯聚了多個研究所和高校的師資力量，讓學生們能根據自身科研興趣進行交流與實踐。”呂曉睿說，這也為高能物理領域的持續攻堅培育了更多生力軍。

對呂曉睿團隊來說，這也是他們在“AI＋高能物理”交叉領域深入探索的底氣。

▲呂曉睿（前排左六）團隊與葉齊祥（前排右五）。受訪者供圖

“不同的高能物理實驗場景都不一樣，北京正負電子對撞機是利用正電子、負電子對撞湮滅產生新物質，歐洲LHC則是將質子加速對撞。”呂曉睿告訴記者，盡管其遵循的高能物理規律都是統一的，但不同實驗的物理目標、數據結構都存在差異。

目前，“物理規律嵌入的人工智能基礎模型”僅在部分實驗上打通了全流程鏈條。“未來，我們希望能建造通用的高能物理實驗大模型，底層遵循相同的物理原則，但在應用時，能針對不同高能物理實驗進行調整。”呂曉睿滿懷期待。

但這并不是一件簡單的事，需要更多年輕科研人員參與其中，共同邁向基礎研究的“無人區”。

“希望年輕人能做一些天馬行空的探索。”呂曉睿說，一些看起來“不太靠譜”的想法，也許能帶來更多驚喜，要“保持科學研究的想象力，去探索更多未知”。

來源：《中國科學報》（2026-05-28 第1版）

責任編輯：侯茜