📢 转载信息
原文链接：https://blogs.nvidia.com/blog/ai-copilot-berkeley-x-ray-particle-accelerator/
原文作者：Scott Martin
在加利福尼亚州伯克利的连绵起伏的山丘中，一个人工智能代理正在为高级光源（Advanced Light Source, ALS）粒子加速器中的高风险物理实验提供支持。
劳伦斯伯克利国家实验室 ALS 设施的研究人员最近部署了“加速器助手”（Accelerator Assistant），这是一个由大型语言模型（LLM）驱动的系统，旨在确保 X 射线研究不偏离轨道。
加速器助手由利用 CUDA 进行加速推理的 NVIDIA H100 GPU 提供支持，它利用来自 ALS 支持团队的机构知识数据，并通过 Gemini、Claude 或 ChatGPT 路由请求。它可以自主或在人类干预下编写 Python 代码并解决问题。
这不是一项简单的任务。ALS 粒子加速器让电子以接近光速在一个 200 码（约 183 米）的圆形路径中运行，发射出紫外线和 X 射线，这些光被导向 40 条束线，每年支持 1700 次科学实验。世界各地的科学家利用这个过程来研究材料科学、生物学、化学、物理学和环境科学。
在 ALS，束流中断可能持续几分钟、几小时甚至几天，具体取决于复杂程度，从而导致正在进行的并发科学实验中断。而且很多事情都可能出错：ALS 控制系统有超过 23 万个过程变量。
伯克利实验室加速器技术与应用物理部门的资深科学家、这项开创性工作的首席作者 Thorsten Hellert 表示：“让这样的机器保持运行非常重要，一旦我们停机，就有 40 条束线正在进行 X 射线实验，它们都在等待。”
直到现在，设施人员在排除故障时，必须在巨大的时间压力下快速识别问题区域、检索数据并召集合适人员进行分析，才能使系统恢复运行。
Hellert 说：“这种新颖的方法为安全透明地将大型语言模型驱动的系统应用于粒子加速器、核反应堆和聚变反应堆设施以及其他复杂的科学基础设施提供了蓝图。”
研究团队证明，加速器助手可以自主准备和运行多阶段物理实验，将设置时间缩短，并将工作量减少 100 倍。
将上下文工程提示应用于加速器助手
ALS 操作员通过命令行界面或 Open WebUI 与系统进行交互，后者支持与各种 LLM 的交互，并可从控制室站点以及远程访问。在底层，该系统使用 Osprey，这是伯克利实验室开发的一个框架，用于将基于代理的 AI 安全地应用于复杂的控制系统。
每个用户都经过身份验证，该框架在会话中维护个性化的上下文和记忆，并且可以同时管理多个会话。这允许用户将不同的任务或实验组织到单独的线程中。这些输入通过加速器助手路由，该助手会连接到包含 23 万多个过程变量的数据库、一个历史数据库存档服务和一个基于 Jupyter Notebook 的执行环境。
Hellert 说：“我们试图用截至此执行点所掌握的任何先验知识来工程化每次语言模型调用的上下文。”
推理操作可以本地进行——使用 Ollama（一个用于在个人计算机上运行 LLM 的开源工具），在控制室网络内位于 H100 GPU 节点上进行——也可以通过 CBorg 网关进行外部操作，CBorg 网关是一个实验室管理的接口，用于将请求路由到 ChatGPT、Claude 或 Gemini 等外部工具。
这种混合架构平衡了安全、低延迟的本地推理与对最新基础模型的访问。与 EPICS（实验物理和工业控制系统）的集成，使操作员级别的标准安全限制能够直接与加速器硬件进行交互。EPICS 是大型科学设施（如粒子加速器）中使用的分布式控制系统。工程师可以在与 EPICS 通信的 Jupyter Notebook 中编写 Python 代码。
基本上，对话式输入被转化为清晰的自然语言任务描述，以实现无冗余的目标。与用户相关的外部知识，如个性化记忆、文档和加速器数据库，被整合进来，以协助提供术语和上下文支持。
Hellert 说：“这是一个拥有大量专业知识的大型设施。其中很大一部分知识分散在各个团队中，所以即使是查找一些简单的事情——比如机器某个部分的温度传感器地址——也需要时间。”
利用加速器助手协助工程师和聚变能源开发
通过使用加速器助手，工程师可以从描述其目标的简单提示开始。在后台，系统会利用精心准备的示例和来自加速器操作的关键词来指导 LLM 的推理。
Hellert 说：“每个提示都用我们设施的相关上下文进行了工程化，因此模型已经知道它正在处理的任务类型。”
他说，每个代理都是该领域的专家。
一旦任务确定，代理就会整合其专业能力——例如查找过程变量或导航控制系统——并可以自动生成和运行 Python 脚本来分析数据、可视化结果或安全地与加速器本身进行交互。
Hellert 说：“这可以为你节省大量时间——在论文中，我们说对于这样的提示，可以节省两个数量级的时间。”
展望未来，Hellert 打算让 ALS 工程师整理一个维基，记录支持实验的许多过程。这些文档可以帮助代理自主运行设施——由人类在循环中批准行动方针。
Hellert 说：“在这些高风险的科学实验中，即使只是一个价值可能达 100 万美元的 TEM 显微镜，人类在循环中也是非常重要的。”
作为美国能源部 Genesys 任务的一部分，这项工作已经扩展到 ALS 之外，该框架正在美国各地的粒子加速器设施中部署。接下来，Hellert 刚刚开始与法国最大的聚变反应堆 ITER 的工程师合作，将该框架应用于聚变反应堆设施。他还与位于智利北部的巨型望远镜（Extremely Large Telescope, ELT）进行了合作。
造福人类：ALS 支持的实验的科学影响
除了优化加速器和其他工业操作外，ALS 的工作直接促成了具有全球影响的科学突破。该设施稳定的 X 射线束支撑着健康、气候韧性和行星科学等领域的研究。
在 COVID-19 大流行期间，ALS 研究人员帮助表征了一种可以中和 SARS-CoV-2 的稀有抗体。4.2.2 束线处的结构生物学实验揭示了该抗体的六个分子环如何附着并禁用病毒的刺突蛋白。这些发现支持了一种疗法的快速开发，该疗法对多种变种仍然有效。
ALS 科学也为气候相关研究做出了贡献。金属有机框架（MOFs）——一类能够从空气中捕获水或二氧化碳的多孔材料——在多个 ALS 束线上得到了广泛研究。这些实验支持了基础工作，最终促成了 2025 年诺贝尔化学奖，以表彰 MOF 在可持续水收集和碳管理方面的变革潜力。
在行星科学领域，对 NASA OSIRIS-REx 任务返回样本的 ALS 测量有助于追溯小行星贝努的化学历史。X 射线分析提供了证据，表明此类小行星将水和生命的分子前体带到了早期的地球，加深了我们对地球宜居条件起源的理解。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区