AI Copilot 让伯克利的 X射线粒子加速器保持正轨
Source: NVIDIA AI Blog
请提供您希望翻译的完整文本内容（除代码块和 URL 之外），我将为您翻译成简体中文并保持原有的 Markdown 格式。
概述
地点：加利福尼亚州伯克利 – 劳伦斯伯克利国家实验室 (LBNL)
研究人员在 Advanced Light Source (ALS) 部署了 Accelerator Assistant，这是一种基于大语言模型（LLM）的系统，可确保 X 射线研究顺利进行。
- 硬件： NVIDIA H100 GPU，使用 CUDA 加速推理。
- LLM 后端： Gemini、Claude 或 ChatGPT（通过机构知识进行路由）。
- 功能：
- 编写并执行 Python 脚本。
- 自动或在人工参与下解决与物理相关的问题。
ALS设施
- 加速器类型： 电子储存环（≈ 200 码周长）。
- 束流： 接近光速的电子产生紫外线和X射线。
- 束线： 40 条，支持每年 1,700 项科学实验。
- 研究领域： 材料科学、生物学、化学、物理、环境科学。
“让这样的大型机器保持运行非常重要，一旦停机，仍有40条束线在进行X射线实验，它们在等待恢复。”
— Thorsten Hellert，伯克利实验室加速器技术与应用物理部的工作人员科学家
运行挑战
- 束流中断可能持续 分钟、小时或天。
- 控制系统监控 > 230,000 个过程变量。
- 传统的故障排除需要在强大的时间压力下快速定位故障区域、检索数据并协调专家人员。
加速器助理实战
- 自主实验准备： 助理可以在无需人工干预的情况下设置并运行多阶段物理实验。
- 影响：
- 显著缩短 设置时间。
- 节省工作量： 与传统方法相比可达 100 倍。
“这种新方法为在粒子加速器、核聚变反应堆设施以及其他复杂科学基础设施中安全、透明地应用大型语言模型驱动系统提供了蓝图。”
— Thorsten Hellert
团队的研究成果详见 arXiv 上的论文：
Accelerator Assistant: LLM‑Driven Operations for the ALS
Visual
如需更多信息，请联系位于劳伦斯·伯克利国家实验室的 ALS 加速器技术与应用物理部。
将上下文工程提示应用于 Accelerator Assistant
ALS 操作员通过 命令行界面 或 Open WebUI（可在控制室工作站以及远程使用）与系统交互。系统底层使用 Osprey，这是伯克利实验室的一个框架，能够在复杂的控制环境中安全地应用基于代理的 AI。
关键架构要素
| 组件 | 描述 |
|---|---|
| Authentication & Context | 每个用户都经过身份验证；框架在会话之间维护个性化的上下文和记忆。可以同时运行多个会话，让用户将不同的任务或实验组织到独立的线程中。 |
| Accelerator Assistant | 将输入路由至： • >230 000 个过程变量 的数据库 • 历史数据库归档服务 • 基于 Jupyter Notebook 的执行环境 |
| Inference Engine | • 本地 – 控制室网络内的 H100 GPU 节点上运行的 Ollama。 • 外部 – CBorg 网关，将请求转发至外部模型（ChatGPT、Claude、Gemini 等）。 |
| Hybrid Architecture | 将安全、低延迟的本地推理与最新基础模型的访问相结合。 |
| EPICS Integration | EPICS（实验物理与工业控制系统）为直接硬件交互提供操作员标准的安全约束。Jupyter 中的 Python 代码可以与 EPICS 通信。 |
“我们尝试在每一次语言模型调用时，利用截至当前执行的所有先前知识来构建上下文，” – Hellert
工作原理
- 用户输入 – 通过 CLI 或 Open WebUI 输入的对话文本。
- 上下文工程 – 系统为请求添加以下内容：
- 与用户绑定的个性化记忆。
- 相关文档和加速器专用数据库。
- 先前的执行状态（例如最近的命令、变量值）。
- 任务描述生成 – 将输入转换为简洁的自然语言任务描述，去除冗余。
- 执行 – 将任务分派至相应的后端（本地 Ollama、CBorg 路由的外部模型、Jupyter Notebook 或 EPICS）。
益处
- 快速知识检索 – 操作员可以瞬间找到晦涩信息（例如“某温度传感器的地址”）。
- 安全优先交互 – EPICS 在任何硬件指令下达前强制执行安全约束。
- 可扩展协作 – 多位用户可以运行独立会话，每个会话都保留自己的上下文和记忆。
“这是一座拥有大量专业知识的大型设施，” Hellert 说。“这些知识分散在各个团队中，即使是寻找一些简单的东西——比如机器某一部位的温度传感器地址——也可能需要花费时间。”
调用 Accelerator Assistant 来帮助工程师进行聚变能源研发
Accelerator Assistant 让工程师只需提供一个简短的目标描述即可开始工作。系统在后台利用精选的示例和加速器操作关键字来引导大语言模型的推理。
“每个提示都结合了我们设施的相关背景信息，因此模型已经知道它正在处理什么样的任务，” – Hellert
工作原理
- 提示定义 – 工程师提供对期望结果的简明描述。
- 领域特定代理 – 经过加速器操作训练的专家代理解释请求。
- 能力编排 – 代理组装所需工具（例如，过程变量查询、控制系统导航）。
- 自动执行 – 生成并运行 Python 脚本，以：
- 分析数据
- 可视化结果
- 安全地与加速器交互
“这可以为你节省大量时间——在论文中我们报告了对这种提示实现了两个数量级的加速，” – Hellert
未来方向
- 流程维基 – ALS 的工程师正在构建一个全面的维基，记录支持实验的众多流程。
- 人机交互 – 对于高风险的科学工作（例如价值 100 万美元的 TEM 电子显微镜），人类审阅者将批准任何自主操作。
“在这些高风险的科学实验中，即使只是一个 TEM 电子显微镜或其他可能价值 100 万美元的设备，人在环路中也非常重要，” – Hellert
超越 ALS 的扩展
- 该框架是 DOE Genesys 任务的一部分，正在美国各粒子加速器设施中部署。
- ITER 合作 – Hellert 已开始与法国 ITER 聚变反应堆的工程师合作，实施该助理用于聚变反应堆的运行。
- 极大望远镜 (ELT) – 正在开展合作，将该技术应用于位于智利北部的 ELT。
造福人类：ALS 支持实验的科学影响
1. 健康与疫情响应
- COVID‑19 抗体表征
- 光束线: 4.2.2
- 发现: 结构生物学实验揭示了一种罕见抗体的六个分子环如何锁定 SARS‑CoV‑2 的刺突蛋白，从而中和病毒。
- 影响: 结构洞察加速了治疗药物的开发，该药物在多种病毒变种中仍保持有效。
2. 面向气候的材料研究
- 金属有机框架（MOFs）
- 范围: 在多个 ALS 光束线上进行的大规模研究考察了 MOFs 从空气中捕获水蒸气和二氧化碳的能力。
- 结果: 这项工作奠定了获得 2025 年诺贝尔化学奖 的基础研究，表彰了 MOFs 在可持续取水和碳管理方面的变革潜力。
3. 行星科学与天体生物学
- OSIRIS‑REx 小行星样本分析
- 任务: NASA 的 OSIRIS‑REx 从小行星 Bennu 采回样本。
- ALS 贡献: 高分辨率 X 射线分析追踪了样本的化学历史，提供了证据表明此类小行星向早期地球输送了水和有机前体。
- 意义: 这些发现深化了我们对宜居条件在地球上如何起源的理解。
ALS 多功能的 X 射线能力持续推动直接造福人类的研究——无论是为拯救生命的药物提供信息、实现气候友好技术，还是揭示生命起源本身。