Prof. Dr. Christian Glaser, Principal Investigator am Lamarr-Institut für Maschinelles Lernen und Künstliche Intelligenz und Professor an der TU Dortmund ist von der Schwedischen Akademie der Wissenschaften mit dem Wallmark-Preis 2026 ausgezeichnet worden. Gewürdigt werden seine Beiträge zur Radiodetektion ultrahochenergetischer Neutrinos sowie zur Echtzeitanalyse von Messdaten mithilfe von Methoden des Maschinellen Lernens. Die Auszeichnung unterstreicht die wachsende Rolle von Künstlicher Intelligenz als methodischer Bestandteil datenintensiver Forschung. Glasers Arbeit am Lamarr-Institut zeigt exemplarisch, wie KI dazu beiträgt, neue Zugänge zu bislang kaum messbaren physikalischen Phänomenen zu eröffnen.
Forschung an der Grenze des Messbaren
Der Wallmark-Preis wird seit 1859 für wissenschaftliche Leistungen vergeben, die den Fortschritt in Wissenschaft und Technologie maßgeblich voranbringen. Im Zentrum stehen Arbeiten, die neue experimentelle Zugänge zu bislang schwer zugänglichen Phänomenen eröffnen. Glasers Forschung adressiert genau diese Herausforderung. Hochenergetische Neutrinos gehören zu den seltensten messbaren Teilchen überhaupt; ihre Signaturen sind schwach und treten in großen Detektoren nur sporadisch auf. Glaser entwickelt Radiodetektionsverfahren, mit denen diese Signale in großskaligen Experimenten überhaupt erst zugänglich werden. Seine Beiträge reichen dabei von der physikalischen Modellierung über die Entwicklung von Detektionshardware bis hin zur Analyse komplexer Messdaten – unter anderem in internationalen Großprojekten wie IceCube-Gen2 am Südpol, einem Detektor zur Messung von Neutrinos im antarktischen Eis, und RNO-G in Grönland, das Radiowellen nutzt, um extrem hochenergetische Teilchen nachzuweisen. Glasers Arbeit ist eng in die Forschung im Bereich Astroteilchenphysik eingebettet und steht exemplarisch für die Aktivitäten des Lamarr-Instituts im Forschungsschwerpunkt Physik.
KI als methodischer Treiber interdisziplinärer Forschung
Künstliche Intelligenz übernimmt dabei eine operative Rolle innerhalb der experimentellen Kette. Verfahren des Maschinellen Lernens werden eingesetzt, um in stark verrauschten Messdaten seltene Teilchensignaturen zu identifizieren, Ereignisse in Echtzeit zu klassifizieren und physikalische Parameter aus indirekten Messgrößen zu rekonstruieren. Damit verschiebt sich die Funktion von KI: Sie ist nicht nur Werkzeug zur nachträglichen Analyse, sondern integraler Bestandteil der Datenerhebung und -interpretation. Dies ist insbesondere bei Detektoren relevant, die kontinuierlich große Datenströme erzeugen und bei denen relevante Ereignisse nur einen Bruchteil der Messungen ausmachen. Mit dem ERC-geförderten Projekt NuRadioOpt verfolgt Glaser das Ziel, diese Ansätze systematisch weiterzuentwickeln und Detektionsstrategien selbst mithilfe von KI zu optimieren. Für das Lamarr-Institut wird hier ein zentrales Prinzip sichtbar: Fortschritte in der KI entstehen zunehmend im engen Austausch mit komplexen Anwendungsdomänen. Die Astroteilchenphysik zeigt exemplarisch, wie algorithmische Innovation und physikalische Modellierung zusammenwirken, um neue Zugänge zu bislang kaum messbaren Phänomenen zu eröffnen.