AI 코파일럿, 버클리의 X-레이 입자 가속기를 정상 궤도에 유지
Source: NVIDIA AI Blog
개요
위치: 캘리포니아 주 버클리 – 로렌스 버클리 국립 연구소 (LBNL)
Advanced Light Source (ALS) 연구원들은 X‑ray 연구를 원활하게 진행하도록 돕는 대형 언어 모델(LLM) 기반 시스템인 Accelerator Assistant를 배치했습니다.
- 하드웨어: CUDA 가속 추론을 지원하는 NVIDIA H100 GPU.
- LLM 백엔드: Gemini, Claude, 또는 ChatGPT(기관 지식을 통해 라우팅).
- 기능:
- Python 스크립트를 작성하고 실행합니다.
- 물리 관련 문제를 자율적으로 또는 인간이 개입하는 형태로 해결합니다.
ALS 시설
- 가속기 유형: 전자 저장 고리 (≈ 200 야드 둘레).
- 빔: 거의 광속에 가까운 전자가 자외선 및 X‑ray 빛을 생성합니다.
- 빔라인: 40개, 연간 1,700개의 과학 실험을 지원합니다.
- 연구 분야: 재료 과학, 생물학, 화학, 물리학, 환경 과학.
“이러한 기계가 가동 중인 것이 정말 중요합니다. 우리가 중단될 때, X‑ray 실험을 하는 40개의 빔라인이 대기하고 있습니다.”
— Thorsten Hellert, 스태프 과학자, Accelerator Technology & Applied Physics Division, Berkeley Lab
운영상의 도전 과제
- 빔 중단은 분, 시간, 혹은 일까지 지속될 수 있습니다.
- 제어 시스템은 > 230,000개의 프로세스 변수를 모니터링합니다.
- 전통적인 문제 해결은 결함 영역을 신속히 식별하고, 데이터를 검색하며, 강도 높은 시간 압박 속에서 전문가 인력을 조정하는 것을 필요로 합니다.
Source:
가속기 어시스턴트 작동 예시
- 자율 실험 준비: 어시스턴트는 수동 개입 없이 다단계 물리 실험을 설정하고 실행할 수 있습니다.
- 영향:
- 설정 시간이 크게 단축되었습니다.
- 노력 절감: 기존 방법에 비해 100배까지 절감됩니다.
“이 새로운 접근 방식은 대형 언어 모델 기반 시스템을 입자 가속기, 핵 및 핵융합 반응기 시설, 그리고 기타 복잡한 과학 인프라에 안전하고 투명하게 적용하기 위한 청사진을 제공합니다.”
— Thorsten Hellert
팀의 연구 결과는 arXiv에 게재된 논문에서 자세히 확인할 수 있습니다:
Accelerator Assistant: LLM‑Driven Operations for the ALS
시각 자료
자세한 내용은 로렌스 버클리 국립 연구소(Lawrence Berkeley National Laboratory)의 ALS 가속기 기술 및 응용 물리 부서에 문의하십시오.
Source:
컨텍스트‑엔지니어링 프롬프트를 Accelerator Assistant에 적용하기
ALS 운영자는 명령줄 인터페이스 또는 Open WebUI(제어실 스테이션 및 원격에서 사용 가능)를 통해 시스템과 상호작용합니다. 내부적으로 시스템은 Osprey라는 Berkeley Lab 프레임워크를 사용해 복잡한 제어 환경에서 에이전트 기반 AI를 안전하게 적용합니다.
주요 아키텍처 요소
| Component | Description |
|---|---|
| Authentication & Context | 각 사용자는 인증을 거치며, 프레임워크는 세션 간에 개인화된 컨텍스트와 메모리를 유지합니다. 여러 세션을 동시에 실행할 수 있어 사용자가 서로 다른 작업이나 실험을 별도 스레드로 조직할 수 있습니다. |
| Accelerator Assistant | 입력을 다음으로 라우팅합니다: • >230 000 프로세스 변수 데이터베이스 • 히스토리 데이터베이스‑아카이브 서비스 • Jupyter‑Notebook 기반 실행 환경 |
| Inference Engine | • Local – 제어실 네트워크 내부 H100 GPU 노드에서 실행되는 Ollama. • External – 외부 모델(ChatGPT, Claude, Gemini 등)로 요청을 전달하는 CBorg 게이트웨이. |
| Hybrid Architecture | 보안성이 높고 지연 시간이 짧은 온‑프레미스 추론과 최신 기반 모델 접근을 결합합니다. |
| EPICS Integration | EPICS(Experimental Physics and Industrial Control System)는 직접 하드웨어와 상호작용할 때 운영자 표준 안전 제약을 제공합니다. Jupyter의 Python 코드는 EPICS와 통신할 수 있습니다. |
“우리는 현재까지 실행된 모든 정보를 바탕으로 각 언어‑모델 호출의 컨텍스트를 설계하려고 노력합니다.” – Hellert
작동 방식
- User Input – CLI 또는 Open WebUI를 통해 입력된 대화형 텍스트.
- Context Engineering – 시스템이 요청에 다음을 추가합니다:
- 사용자에 연결된 개인화된 메모리.
- 관련 문서 및 가속기‑전용 데이터베이스.
- 이전 실행 상태(예: 최근 명령, 변수 값).
- Task Description Generation – 입력을 중복을 제거한 간결한 자연어 작업 설명으로 변환합니다.
- Execution – 작업이 적절한 백엔드(로컬 Ollama, CBorg‑경유 외부 모델, Jupyter 노트북, 또는 EPICS)로 전달됩니다.
기대 효과
- Rapid Knowledge Retrieval – 운영자는 “온도 센서 주소”와 같은 희귀 정보를 즉시 찾을 수 있습니다.
- Safety‑First Interaction – EPICS가 하드웨어 명령이 발행되기 전에 안전 제약을 강제합니다.
- Scalable Collaboration – 여러 사용자가 독립적인 세션을 실행할 수 있으며, 각 세션은 자체 컨텍스트와 메모리를 보존합니다.
“이 시설은 많은 전문 지식이 산재해 있는 큰 시설입니다.”라고 Hellert가 말했습니다. “그 지식이 팀마다 흩어져 있기 때문에, 기계 한 부분에 있는 온도 센서 주소와 같이 간단한 정보를 찾는 데도 시간이 걸릴 수 있습니다.”
가속기 어시스턴트를 활용하여 엔지니어의 핵융합 에너지 개발 지원
Accelerator Assistant는 엔지니어가 목표를 설명하는 간단한 프롬프트만으로 시작할 수 있게 해줍니다. 시스템은 뒤에서 선별된 예시와 가속기 운영 키워드를 활용해 LLM의 추론을 유도합니다.
“각 프롬프트는 우리 시설의 관련 컨텍스트를 포함하도록 설계되었기 때문에, 모델은 이미 어떤 종류의 작업을 다루는지 알고 있습니다.” – Hellert
작동 방식
- 프롬프트 정의 – 엔지니어가 원하는 결과를 간결하게 설명합니다.
- 도메인‑특화 에이전트 – 가속기 운영에 대해 학습된 전문가 에이전트가 요청을 해석합니다.
- 능력 오케스트레이션 – 에이전트가 필요한 도구(예: 프로세스 변수 조회, 제어 시스템 탐색)를 조합합니다.
- 자동 실행 – 파이썬 스크립트를 생성하고 실행하여:
- 데이터 분석
- 결과 시각화
- 가속기와 안전하게 상호작용
“이렇게 하면 상당한 시간을 절약할 수 있습니다 — 논문에서는 이러한 프롬프트에 대해 두 자리 수 정도의 속도 향상을 보고했습니다.” – Hellert
향후 방향
- 프로세스 위키 – ALS 엔지니어들이 실험을 지원하는 다양한 절차를 문서화하는 포괄적인 위키를 구축하고 있습니다.
- Human‑in‑the‑loop – 고위험 과학 작업(예: 100만 달러 규모의 TEM 현미경)에서는 인간 검토자가 모든 자율 행동을 승인합니다.
“이러한 고위험 과학 실험에서는, 비록 TEM 현미경이나 100만 달러 정도의 장비일지라도, 인간이 개입하는 것이 매우 중요할 수 있습니다.” – Hellert
ALS를 넘어선 확장
- 이 프레임워크는 DOE의 Genesys 미션의 일부이며 미국 전역의 입자 가속기 시설에 배포되고 있습니다.
- ITER 협력 – Hellert는 프랑스에 있는 ITER 핵융합 반응기 엔지니어들과 협력하여 가속기 어시스턴트를 핵융합 반응기 운영에 적용하기 시작했습니다.
- 극대형 망원경 (ELT) – 칠레 북부에 위치한 ELT에 이 기술을 적용하기 위한 파트너십이 진행 중입니다.
Benefiting Humanity: Scientific Impact of Experiments Supported by ALS
The Advanced Light Source (ALS) provides stable, high‑brightness X‑ray beams that enable scientific breakthroughs with global relevance. Below are three illustrative examples of how ALS‑supported experiments are advancing health, climate resilience, and planetary science.
1. Health & Pandemic Response
- COVID‑19 antibody characterization
- Beamline: 4.2.2
- Discovery: Structural biology experiments revealed how six molecular loops of a rare antibody latch onto the SARS‑CoV‑2 spike protein, neutralizing the virus.
- Impact: The structural insight accelerated the development of a therapeutic that remained effective across multiple viral variants.
2. Climate‑Focused Materials Research
- Metal‑Organic Frameworks (MOFs)
- Scope: Extensive studies across several ALS beamlines examined MOFs’ ability to capture water vapor and carbon dioxide directly from air.
- Outcome: This work underpinned the foundational research that earned the 2025 Nobel Prize in Chemistry, recognizing MOFs’ transformative potential for sustainable water harvesting and carbon management.
3. Planetary Science & Astrobiology
- OSIRIS‑REx asteroid sample analysis
- Mission: NASA’s OSIRIS‑REx returned material from asteroid Bennu.
- ALS contribution: High‑resolution X‑ray analyses traced the chemical history of the samples, providing evidence that such asteroids delivered water and organic precursors to early Earth.
- Significance: These findings deepen our understanding of how habitable conditions originated on our planet.
The ALS’s versatile X‑ray capabilities continue to empower research that directly benefits humanity—whether by informing life‑saving medicines, enabling climate‑positive technologies, or unraveling the origins of life itself.