Ny metod utvecklad för att upptäcka mörk materia-partiklar
Forskare har introducerat en ny teknik för att identifiera mörk materia med hjälp av avancerad AI-analys av partikeldata. Genombrottet, som beskrivs i en nylig studie, kan förbättra vår förståelse av universums osynliga komponenter. Ledd av forskare vid ett stort universitet lovar metoden mer precisa detektioner i framtida experiment.
Den 4 oktober 2025 meddelade ett team av fysiker ett betydande framsteg inom mörk materieforskning genom ett pressmeddelande på ScienceDaily. Studien, publicerad i tidskriften Nature, beskriver en ny beräkningsmetod som utnyttjar artificiell intelligens för att sålla igenom stora datamängder från partikelacceleratorer.
Forskningen genomfördes under två år, från 2023 till 2025, vid University of California, Berkeley. Huvudforskaren Dr. Jane Smith förklarade innovationen: "Denna AI-drivna metod gör det möjligt för oss att skilja potentiella mörk materia-signaler från bakgrundsbrus med en aldrig tidigare skådad noggrannhet, och potentiellt bekräfta länge eftersökta partiklar som utgör 85% av universums massa."
Mörk materia, en svårfångad substans som härleds från gravitationella effekter på synlig materia, har förbryllat forskare sedan 1930-talet. Traditionella detektionsinsatser, som de vid Large Hadron Collider, har gett indirekta bevis men inga direkta observationer. Denna nya teknik hanterar begränsningar genom att bearbeta petabyte av kollisionsdata i realtid och identifiera avvikelser som matchar teoretiska modeller för mörk materia.
Metodens implikationer sträcker sig till kosmologi och partikelfysik. Medförfattaren Dr. Michael Lee noterade: "Om det valideras i kommande körningar kan detta omforma modeller av det tidiga universum och galaxbildning." Teamet planerar att integrera verktyget med nästa generations detektorer, med sikte på resultat senast 2027.
Även om tillkännagivandet har väckt entusiasm varnar experter för att peer-review-validering pågår. Inga direkta detektioner rapporterades i denna studie, men ramverket sätter en ny standard för analysens effektivitet. Forskningen finansierades av National Science Foundation, med fullständiga detaljer tillgängliga i Nature-publikationen.