人工智能等技术助力粒子加速器效率飞升

随着粒子加速器技术迈入高亮度时代，对极高精度以及前所未有的碰撞能量的需求持续增长。鉴于实验室降低能耗和成本的愿望，欧洲核子研究中心（CERN）加速器的设计和运行必须不断改进，以尽可能提高效率。

为解决此问题，高效粒子加速器项目（EPA）已然成立——这是一个由来自 CERN 不同加速器、设备和控制小组的人员组成的团队，他们共同努力提高加速器效率。

在 2022 年的一场研讨会之后成立了一个智囊团，为 EPA 提出了七条有关效率的建议以开展工作。

“这一想法是从最为广泛的角度看待效率，”欧洲核子研究中心 PS 的主管工程师、EPA 成员亚历克斯·胡舒尔（Alex Huschauer）说。“我们想要一个可以应用于加速器综合体中每台机器的框架。”

为此，该团队创建了九个有关效率的工作包，计划在 HL-LHC 开始运行前的几年内进行部署。

“从我们在效率智囊团的讨论情况来看，自动化是发展的方向，”EPA 项目负责人维雷娜·凯恩（Verena Kain）说道。“这意味着既要以常规方式，也要利用人工智能和机器学习来实现自动化。”

比如说，人工智能能够协助物理学家应对加速器磁滞。当以铁为主的加速器磁体的磁场无法通过电磁体中电流与磁场的简单映射来加以描述时，这种情况就会出现。

如果不考虑这一点，可能会导致编程的场不一致，并对束流质量产生不利影响，例如降低束流轨迹的稳定性和精度。如今，这些场误差是手动调整来校正场的，这一过程既耗费时间又消耗精力。

“磁滞现象发生的原因在于，实际磁场不仅仅由电源中的电流决定，还取决于磁铁的历史，”凯恩说。“困难之处在于我们无法通过分析来对其进行建模——我们无法确切算出在加速器磁铁中为束流产生正确磁场所需的电流——至少无法达到所需的精度。但人工智能可以从磁铁的历史数据中学习并精心构建一个精确的模型。”

该团队已经使用 SPS 中的磁铁进行了初步测试，并希望在未来几年用 CERN 所有的加速磁铁来训练人工智能。

虽然在欧洲核子研究中心的加速器综合设施所进行的实验已经运用自动化、人工智能和机器学习来辅助数据采集，但截至目前，大部分的束流和加速器控制工作都是通过手动方式完成的。

“像 PS 这类的大多数低能机器是在一个以我们如今的认知，自动化根本无法实现的时代建造的，”凯恩继续说道。自动化能够大幅提升效率的另一个领域是调度。

“加速器综合设施中的不同束流一个接一个地产生，这必须精心规划，从而能在恰当的时刻从一台机器中提取束流并注入到下一台机器里，”她说。“有时我们每天得更改 20 到 40 次的日程安排，每次大概需要 5 分钟。目前这项靠手动完成的任务占据了控制中心人员的大部分工作时间。”

通过使这一过程自动化，控制中心的操作员将能够把更多时间花在波束上，而不是调度上。

欧洲核子研究组织（CERN）的能源效率项目（EPA）的其他重点领域包括大型强子对撞机的自动填充、自动导航、自动故障恢复与预防、自动测试与排序、自动参数控制及优化。该团队希望在未来五年继续他们的研究，利用大型强子对撞机的第三次运行和第三次长期停机进行测试。

“多亏了欧洲核子研究组织（CERN）的能源效率项目（EPA），我们将首次大规模地将人工智能和自动化用于加速器，”胡舒尔接着说。“如果我们能产生质量更好的波束，我们就能用更少的时间运行这个复杂的系统，创造更好的物理数据，并降低总体能耗。”