Jakten på mikroskopiska svarta hål vid CERN har fått snävare gränser. En analys av CMS-detektorns kollisionsdata hittar ingen signal från de hypotetiska objekten, men visar hur maskininlärning kan förbättra sökandet efter ovanliga fysikprocesser.
Arbetet uppmärksammas i ett universitetsutskick från UC Santa Barbara den 17 september. Forskningsrapporten publicerades redan den 5 maj 2026. Det handlar alltså om en aktuell presentation av tidigare publicerade resultat, inte om att ett svart hål just har upptäckts.
Varför leta efter svarta hål i en partikelaccelerator?
I vissa teorier med extra rumsliga dimensioner skulle gravitationen kunna bli starkare på mycket korta avstånd. Då kan extremt koncentrerad energi, under särskilda förutsättningar, tänkas bilda mikroskopiska svarta hål.
Sådana objekt skulle enligt modellerna vara mycket kortlivade. Forskarnas uppgift är därför att leta efter möjliga sönderfallsprodukter i detektorn, snarare än att fotografera ett svart hål. Idén är en möjlig väg att undersöka sambandet mellan gravitation och kvantfysik.
Den ska inte blandas ihop med observationer av stora astronomiska objekt, som det vandrande svarta hål som nyligen uppmärksammats. Experimenten och observationerna prövar olika frågor.
Maskininlärning sorterar kollisionsmönster
Analysen använder protonkollisioner registrerade med CMS under 2016–2018. Forskarlaget undersöker bland annat hur energin är fördelad och hur partiklarna sprids efter en kollision.
Läs även: laserdriven acceleration av protoner med grafen.
En del av metoden bygger på ett matematiskt avstånd mellan olika kollisionshändelser i ett så kallat fasrum. Informationen används i en maskininlärningsmodell av typen stödvektormaskin, SVM, som hjälper till att skilja tänkbara signaler från bakgrunden av kända processer.
Fördelen är att jämförelsen utgår från fysikaliska egenskaper hos händelserna. Liknande frågor om datorstödda forskningsmetoder behandlas i vår artikel om hur AI kan hitta fysikexperiment som människor missar.
Gränserna gäller bestämda modeller
I rapportens sammanfattning anges att svarta hål med massor under en modellberoende gräns på 9,0–11,4 TeV utesluts inom de scenarier som analyserats. TeV är en energienhet som partikelfysiker även använder för att ange massa genom dess energiekvivalent.
Resultatet är inte ett generellt motbevis mot extra dimensioner eller alla teorier om kvantgravitation. Det begränsar vissa kombinationer av antaganden och egenskaper. Rapporten redovisar också en sökning efter hypotetiska processer som kallas sfaleronövergångar, utan någon upptäckt.
Vad betyder ett resultat utan fynd?
En sökning är användbar även när den inte hittar det eftersökta. Om en modell förutsäger en signal som borde kunna urskiljas, kan frånvaron av signalen begränsa modellen. Däremot får slutsatsen inte göras större än experimentets känslighet och antaganden medger.
Det är en viktig skillnad när man läser rubriker om ny fysik: bättre gränser är ett forskningsresultat, men inte samma sak som en upptäckt.
Källor och underlag
Tamas Almos Vami och Danyi Zhang: Search for Black Holes and Sphalerons Using Novel MachineLearning Techniques at CMS, konferensbidrag i Progress in High Energy Physics, 5 maj 2026. DOI: 10.31526/PHEP.2026.21. Kompletterande bakgrund: UC Santa Barbaras presentation, länkad ovan.
Herobild: AI-genererad illustration av en partikeldetektor, inte ett fotografi från CMS eller en observerad svart hål-händelse.