AI助手助力伯克利粒子加速器保持稳定运行

在加利福尼亚州伯克利，一个AI代理正在支持高级光源粒子加速器的高风险物理实验。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，这是一个由大语言模型驱动的系统，旨在保持X射线研究的正常进行。加速器助手利用NVIDIA H100 GPU和CUDA进行加速推理，它访问ALS支持团队的机构知识数据，并通过Gemini、Claude或ChatGPT处理请求。该系统能自主编写Python代码并解决问题，或与人类协作。ALS粒子加速器使电子以接近光速在200码的圆形路径中运行，产生紫外线和X射线，每年通过40条光束线支持1700项科学实验。全球科学家利用这一过程研究材料科学、生物学、化学、物理学和环境科学。在ALS，光束中断可能持续数分钟、数小时或数天，具体取决于复杂性，这会中断正在进行的科学实验。ALS控制系统拥有超过23万个过程变量，问题可能多种多样。伯克利实验室加速器技术与应用物理部门的科学家Thorsten Hellert表示，对于这样的机器来说，保持运行至关重要，当停机时，40条进行X射线实验的光束线都在等待。此前，设施工作人员在故障排除时必须在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。Hellert指出，这种新方法为安全透明地将大语言模型驱动系统应用于粒子加速器、核和聚变反应堆设施以及其他复杂科学基础设施提供了蓝图。研究团队证明，加速器助手能自主准备和运行多阶段物理实验，将设置时间减少100倍。ALS操作员通过命令行界面或Open WebUI与系统交互，这允许从控制室或远程访问各种大语言模型。系统底层使用Osprey框架，这是伯克利实验室开发的用于在复杂控制系统中安全应用基于代理的AI的框架。每个用户都经过身份验证，框架在会话间维护个性化上下文和记忆，并能同时管理多个会话。这使用户能将不同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，连接到超过23万个过程变量的数据库、历史数据库存档服务和基于Jupyter Notebook的执行环境。Hellert解释说，他们尝试用执行到当前点的先验知识来设计每个语言模型调用的上下文。推理在本地或外部进行：本地使用Ollama，这是一个在控制室网络内的H100 GPU节点上运行大语言模型的开源工具；外部通过CBorg网关，这是一个实验室管理的接口，将请求路由到ChatGPT、Claude或Gemini等外部工具。混合架构平衡了安全、低延迟的本地推理与访问最新基础模型的需求。与EPICS的集成使操作员能设置标准安全约束，直接与加速器硬件交互。EPICS是用于大型科学设施的分布式控制系统。