人机协作粒子加速器的大型语言模型通过自然语言调整
Jan Kaiser1, Anne Lauscher2, Annika Eichler1,3
1Deutsches Elektronen-Synchrotron DESY, Hamburg, Germany.
Science advances
|January 1, 2025
概括
大型语言模型 (LLM) 现在可以使用自然语言提示来调整粒子加速器. 这一突破简化了复杂的优化任务,为在科学研究和工业中更广泛采用自主加速器调铺平了道路.
科学领域:
- 物理 物理学 物理
- 工程 工程师 工程师 工程师
- 人工智能的人工智能
背景情况:
- 粒子加速器的自主调节对于物理学,医学和材料科学中的先进应用至关重要.
- 当前先进的调整算法需要优化和机器学习方面的专业知识,这限制了它们的可访问性.
研究的目的:
- 调查大型语言模型 (LLM) 对于自主粒子加速器调整的潜力.
- 为了证明LLMs在对现实世界的加速器系统进行数值优化的能力.
主要方法:
- 通过使用自然语言,LLM被提示调整加速器子系统.
- 性能与已建立的优化算法比较,如贝叶斯优化和强化学习.
主要成果:
- 根据自然语言指令,LLMs成功调整了一个加速器子系统.
- 在这个原则证明演示中,LLM的性能与最先进的优化技术相美.
结论:
- LLM提供了一种有希望的,可访问的方法,用于自主粒子加速器调整.
- 这项研究加速了将自主调纳入常规加速器操作中的整合.


