AI助理确保伯克利X射线粒子加速器正常运行

加速器助手实现实验准备效率提升100倍
2026年1月8日，加州伯克利——在加州起伏的山丘间，人工智能正为高风险的物理实验带来全新解决方案。在伯克利实验室的先进光源（ALS）粒子加速器中，这款名为“加速器助手”（Accelerator Assistant）的AI代理能够显著缩短多阶段物理实验的准备时间，并将实验设置工作量减少100倍。

粒子加速器是推动科学前沿研究的重要设施，但其实际运行环境极为复杂。在ALS中，束流中断可能持续数分钟、数小时甚至数日，具体时间取决于问题的复杂性。这些中断会导致大量并行进行的科学研究被迫停止。而ALS的控制系统涉及超过23万个过程变量，任何一个变量的问题都可能引发障碍。以往，当运行中断发生时，驻场人员需要迅速定位问题、提取数据，并协调不同团队在极高时间压力下展开故障排查。此次AI技术的引入，正是为了解决这一痛点。

研究团队展示了“加速器助手”如何自主完成多阶段物理实验的准备和执行任务。其操作界面简洁直观，用户可以通过命令行界面（Command Line Interface）或开放的Web UI（Open WebUI）进行互动。这些界面不仅能支持多种大型语言模型（LLMs）的交互，还可从控制室工作站或远程连接访问。

“加速器助手”的核心运行基于 Osprey 框架——一项由伯克利实验室开发的安全 AI 代理技术。推理计算可以在本地完成（如通过 Ollama 工具或控制室内网络中的 H100 GPU 节点），也可通过 CBorg 网关接入外部资源，如 ChatGPT、Claude 或 Gemini 等。这种系统架构能够将用户的对话输入转化为清晰、准确的任务描述，避免不必要的冗余。同时，系统集成了丰富的外部知识库，包括用户专属记忆、文档资料以及加速器操作数据库，来提供精准的术语和背景支持。

借助“加速器助手”，工程师只需输入简单的目标描述，AI便会利用事先设计的范例和关键字引导其推理过程。一旦任务定义清晰，AI将整合其特有能力，比如查找过程变量、导航控制系统，并可自动生成Python脚本，用于数据分析、结果可视化或与加速器本身进行安全交互。

在实际应用方面，“加速器助手”已经展示了其巨大潜力。例如，团队计划建立一个全面的操作流程知识库，包含ALS支持实验运行的所有文档。这不仅能够进一步提高AI的自主运行能力，还可确保在重要决定前，由人类进行必要的监督和审批。这种“人机协同”的框架是推进复杂工业设施管理的重要方向。

更重要的是，这项技术的成功落地，不仅优化了加速器和其他工业系统的运作效率，还为全球科学突破提供了强大支持。在生命健康、气候韧性以及行星科学领域，ALS的稳定X射线束已经成为关键工具。例如，其对NASA“OSIRIS-REx”任务样本的化学成分分析，揭示了小行星“贝努”携带水分子和生命前体物质到达地球的奥秘，从而进一步加深了人类对地球宜居环境起源的理解。

“加速器助手”的应用预示了AI在科学研究中的深远影响。从大幅优化实验效率到推动全球科学创新，AI正逐步成为科研设施和运行团队的得力伙伴，也将继续引领科学探索向未知领域不断迈进。