人工智能等技術助力粒子加速器效率飛昇

隨着粒子加速器技術邁入高亮度時代，對極高精度以及前所未有的碰撞能量的需求持續增長。鑑於實驗室降低能耗和成本的願望，歐洲核子研究中心（CERN）加速器的設計和運行必須不斷改進，以儘可能提高效率。

爲解決此問題，高效粒子加速器項目（EPA）已然成立——這是一個由來自 CERN 不同加速器、設備和控制小組的人員組成的團隊，他們共同努力提高加速器效率。

在 2022 年的一場研討會之後成立了一個智囊團，爲 EPA 提出了七條有關效率的建議以開展工作。

“這一想法是從最爲廣泛的角度看待效率，”歐洲核子研究中心 PS 的主管工程師、EPA 成員亞歷克斯·胡舒爾（Alex Huschauer）說。“我們想要一個可以應用於加速器綜合體中每臺機器的框架。”

爲此，該團隊創建了九個有關效率的工作包，計劃在 HL-LHC 開始運行前的幾年內進行部署。

“從我們在效率智囊團的討論情況來看，自動化是發展的方向，”EPA 項目負責人維雷娜·凱恩（Verena Kain）說道。“這意味着既要以常規方式，也要利用人工智能和機器學習來實現自動化。”

比如說，人工智能能夠協助物理學家應對加速器磁滯。當以鐵爲主的加速器磁體的磁場無法通過電磁體中電流與磁場的簡單映射來加以描述時，這種情況就會出現。

如果不考慮這一點，可能會導致編程的場不一致，並對束流質量產生不利影響，例如降低束流軌跡的穩定性和精度。如今，這些場誤差是手動調整來校正場的，這一過程既耗費時間又消耗精力。

“磁滯現象發生的原因在於，實際磁場不僅僅由電源中的電流決定，還取決於磁鐵的歷史，”凱恩說。“困難之處在於我們無法通過分析來對其進行建模——我們無法確切算出在加速器磁鐵中爲束流產生正確磁場所需的電流——至少無法達到所需的精度。但人工智能可以從磁鐵的歷史數據中學習並精心構建一個精確的模型。”

該團隊已經使用 SPS 中的磁鐵進行了初步測試，並希望在未來幾年用 CERN 所有的加速磁鐵來訓練人工智能。

雖然在歐洲核子研究中心的加速器綜合設施所進行的實驗已經運用自動化、人工智能和機器學習來輔助數據採集，但截至目前，大部分的束流和加速器控制工作都是通過手動方式完成的。

“像 PS 這類的大多數低能機器是在一個以我們如今的認知，自動化根本無法實現的時代建造的，”凱恩繼續說道。自動化能夠大幅提升效率的另一個領域是調度。

“加速器綜合設施中的不同束流一個接一個地產生，這必須精心規劃，從而能在恰當的時刻從一臺機器中提取束流並注入到下一臺機器裡，”她說。“有時我們每天得更改 20 到 40 次的日程安排，每次大概需要 5 分鐘。目前這項靠手動完成的任務佔據了控制中心人員的大部分工作時間。”

通過使這一過程自動化，控制中心的操作員將能夠把更多時間花在波束上，而不是調度上。

歐洲核子研究組織（CERN）的能源效率項目（EPA）的其他重點領域包括大型強子對撞機的自動填充、自動導航、自動故障恢復與預防、自動測試與排序、自動參數控制及優化。該團隊希望在未來五年繼續他們的研究，利用大型強子對撞機的第三次運行和第三次長期停機進行測試。

“多虧了歐洲核子研究組織（CERN）的能源效率項目（EPA），我們將首次大規模地將人工智能和自動化用於加速器，”胡舒爾接着說。“如果我們能產生質量更好的波束，我們就能用更少的時間運行這個複雜的系統，創造更好的物理數據，並降低總體能耗。”