AI helpt wetenschappers nieuwe natuurkundige experimenten te ontwerpen
2 september 2026
Kunstmatige intelligentie wordt steeds vaker gebruikt om wetenschappelijke gegevens te analyseren, patronen te herkennen en bestaande experimenten sneller uit te voeren. Maar een internationaal onderzoeksteam heeft nu een stap verder gezet: AI wordt gebruikt om mee te zoeken naar compleet nieuwe manieren om een natuurkundig experiment op te zetten.
Het onderzoek, dat op 2 september 2026 in Nature werd gepubliceerd, laat zien dat AI niet alleen bestaande experimenten kan verbeteren. Het systeem kan ook zoeken naar nieuwe combinaties van apparatuur en meetmethoden die menselijke onderzoekers mogelijk niet snel zouden bedenken.
Dat klinkt misschien alsof AI zelfstandig nieuwe natuurkunde bedenkt. In werkelijkheid ligt het iets genuanceerder — en juist dat maakt het onderzoek interessant.
Een enorm aantal mogelijke experimenten
Bij veel natuurkundige experimenten beschikken onderzoekers over een groot aantal onderdelen.
Denk aan lasers, spiegels, lenzen, detectoren, elektronische onderdelen of verschillende meetinstrumenten. Die onderdelen kunnen op allerlei manieren met elkaar worden gecombineerd.
Het probleem is dat het aantal mogelijke combinaties enorm snel groeit.
Een onderzoeker kan op basis van ervaring een interessante opstelling bedenken. Maar zelfs een zeer ervaren wetenschapper kan onmogelijk iedere mogelijke combinatie bekijken.
Daar kan een computer juist goed mee omgaan.
De onderzoekers beschrijven het probleem daarom vooral als een enorm optimalisatieprobleem. De computer krijgt informatie over de beschikbare onderdelen en de eigenschappen daarvan en zoekt vervolgens door een enorme ruimte van mogelijke experimenten naar een oplossing die aan vooraf bepaalde voorwaarden voldoet.
Geen gewone chatbot
Interessant genoeg lijkt deze vorm van AI maar weinig op een chatbot zoals we die dagelijks gebruiken.
Een taalmodel krijgt bijvoorbeeld een vraag en probeert op basis van geleerde patronen een passend antwoord te geven.
Bij het ontwerpen van experimenten gaat het om iets anders.
De computer moet zoeken door een enorme hoeveelheid mogelijke configuraties en bepalen welke daarvan het beste bij een bepaald onderzoeksdoel passen. Het gaat dus veel meer om zoeken, simuleren en optimaliseren dan om een AI die een tekstueel antwoord formuleert.
Dat verschil is belangrijk.
Wanneer we zeggen dat AI een nieuw experiment heeft voorgesteld, betekent dat niet dat een chatbot opeens een natuurkundige theorie uit zijn mouw schudt.
Het systeem krijgt een duidelijk omschreven probleem en gaat vervolgens op zoek naar oplossingen die binnen de opgegeven voorwaarden passen.
Soms komt AI met verrassende oplossingen
Daar wordt het onderzoek juist bijzonder.
De door AI gevonden ontwerpen lijken niet altijd op de experimenten die menselijke onderzoekers normaal gesproken zouden maken. Sommige configuraties kunnen zelfs tegen bestaande ontwerpgewoontes ingaan, terwijl ze volgens berekeningen wel degelijk goed kunnen functioneren. Nature beschrijft dat dergelijke door AI gevonden opstellingen vergelijkbare of soms betere prestaties kunnen leveren dan menselijke ontwerpen.
Dat kan nieuwe mogelijkheden opleveren.
Een menselijke onderzoeker denkt immers vaak vanuit bestaande kennis en ervaring. Dat is ontzettend waardevol, maar het kan er ook voor zorgen dat bepaalde mogelijkheden minder snel worden onderzocht.
Een computer heeft daar minder last van.
Als een ongebruikelijke combinatie volgens de natuurkundige modellen werkt, kan die combinatie gewoon worden meegenomen in de zoektocht.
Van quantumexperimenten tot fusie
De aanpak is niet beperkt tot één soort natuurkunde.
Volgens TU Wien is de methode onder meer gebruikt om nieuwe ideeën te vinden voor quantumexperimenten, fusiereactoren, deeltjesdetectoren en systemen voor zwaartekrachtgolfonderzoek.
Dat is interessant omdat deze onderzoeksgebieden allemaal bijzonder ingewikkeld zijn.
Bij een fusiereactor kan bijvoorbeeld worden gezocht naar een betere manier om verschillende onderdelen van een systeem te combineren. Bij een detector kan het doel juist zijn om een zo nauwkeurig mogelijke meting te krijgen.
Het uitgangspunt blijft hetzelfde:
Geef de computer een doel en laat hem zoeken naar een goede oplossing binnen de beschikbare mogelijkheden.
Soms begrijpt de mens de oplossing nog niet helemaal
Daar zit misschien wel een van de meest interessante kanten van het onderzoek.
Een computer kan een oplossing vinden waarvan onderzoekers kunnen berekenen dat die werkt, terwijl het niet meteen duidelijk is waarom de opstelling precies zo goed werkt.
Dat betekent niet dat de onderzoekers het experiment blindelings uitvoeren.
Ze kunnen de voorgestelde configuratie analyseren, simuleren en uiteindelijk in de praktijk testen. Maar het kan gebeuren dat de route naar de oplossing minder intuïtief is dan bij een ontwerp dat door een mens is bedacht.
Daarmee kan AI wetenschappers ook op een andere manier helpen.
Niet alleen door sneller bestaande kennis toe te passen, maar door onderzoekers te wijzen op mogelijkheden waar ze zelf misschien niet meteen aan hadden gedacht.
De mens bepaalt nog steeds het doel
Toch blijft er een belangrijke menselijke rol.
Een AI-systeem moet eerst weten wat het moet proberen te bereiken.
Een onderzoeker kan bijvoorbeeld bepalen dat een detector zo gevoelig mogelijk moet worden, dat een experiment bepaalde energiegrenzen niet mag overschrijden of dat een opstelling met bestaande apparatuur moet kunnen worden gebouwd.
Ook praktische beperkingen kunnen worden opgegeven.
Denk aan kosten, beschikbare ruimte, maximale energie of veiligheidsvoorwaarden. De computer kan vervolgens binnen die grenzen zoeken naar een optimale oplossing.
Dat betekent dat AI hier niet zomaar zelfstandig wetenschap bedrijft.
De wetenschapper stelt het probleem en bepaalt de voorwaarden. De computer helpt vervolgens bij het enorme zoekwerk.
Een nieuwe rol voor wetenschappers
Volgens de onderzoekers betekent dit niet dat wetenschappers straks overbodig worden.
Integendeel.
Wanneer computers beter worden in het uitvoeren van berekeningen en het zoeken door enorme aantallen mogelijkheden, kan de rol van de wetenschapper juist verschuiven.
Minder tijd kan nodig zijn voor het handmatig doorrekenen van iedere mogelijke combinatie. Meer aandacht kan vervolgens gaan naar het bepalen van interessante onderzoeksvragen, het interpreteren van resultaten en het beoordelen van nieuwe ideeën.
Dat lijkt een beetje op wat er met computers in andere vakgebieden is gebeurd.
Niemand mist het handmatig uitvoeren van enorme hoeveelheden berekeningen als een computer dat sneller en nauwkeuriger kan doen. De interessante vraag is vervolgens wat mensen met die extra mogelijkheden kunnen doen.
AI als ontdekkingspartner
Daarmee ontstaat een interessant beeld van de toekomst van wetenschappelijk onderzoek.
AI hoeft geen wetenschapper te vervangen om een belangrijke rol te spelen.
Een systeem kan bijvoorbeeld duizenden of miljoenen mogelijke experimenten doorzoeken, terwijl een onderzoeker vervolgens de interessantste voorstellen bekijkt.
Dat kan de wetenschap versnellen.
Bovendien kunnen onverwachte ontwerpen juist waardevol zijn. Een oplossing die in eerste instantie vreemd lijkt, kan uiteindelijk leiden tot een nieuw soort meetmethode of een betere manier om een natuurkundig probleem te onderzoeken.
AI wordt daarmee niet alleen een hulpmiddel voor het uitvoeren van wetenschap, maar ook steeds meer voor het bedenken en ontwerpen van experimenten.
Van hulpmiddel naar creatieve onderzoekspartner
De ontwikkeling laat ook zien hoe breed de rol van kunstmatige intelligentie inmiddels wordt.
Eerst lag de nadruk vooral op het analyseren van bestaande gegevens. Daarna kwamen toepassingen waarbij AI processen kon voorspellen of optimaliseren.
Nu wordt AI ook ingezet om nieuwe mogelijkheden te vinden voordat een experiment überhaupt gebouwd is.
Dat betekent niet dat de computer alle antwoorden heeft.
Een voorgesteld experiment moet nog steeds natuurkundig kloppen, gebouwd kunnen worden en daadwerkelijk worden getest. De uiteindelijke ontdekking ontstaat pas wanneer onderzoekers de resultaten begrijpen en weten wat ze betekenen.
Maar de computer kan wel helpen om deuren te openen waar een mens misschien niet zo snel aan had gedacht.
En juist daarin zit misschien de interessantste ontwikkeling: AI wordt niet alleen gebruikt om sneller bestaande wetenschap te bedrijven, maar kan wetenschappers helpen om nieuwe vragen en nieuwe manieren van meten te ontdekken.
De toekomst van wetenschappelijk onderzoek zou daardoor steeds meer kunnen bestaan uit een samenwerking tussen menselijke nieuwsgierigheid en de enorme zoekcapaciteit van computers.
De mens stelt de vraag. AI helpt zoeken naar mogelijkheden die we zelf misschien nooit zouden hebben gevonden.
Bron: Nature