随着粒子加速器技术进入高亮度时代，对极高精度和前所未有的碰撞能量的需求不断增长。考虑到实验室希望降低能耗和成本，CERN 加速器的设计和操作必须不断改进，以尽可能提高效率。

为了解决这一问题，高效粒子加速器项目 (EPA) 已经成立，由来自欧洲核子研究中心不同加速器、设备和控制组的人员组成，他们共同努力提高加速器的效率。

2022 年研讨会之后成立了一个智囊团，旨在规划高亮度大型强子对撞机 (HL-LHC) 的升级，并提出了七项关于效率的建议供美国环保署参考。

“我们的想法是从最广泛的角度来看待效率，”CERN PS 主管工程师兼 EPA 成员 Alex Huschauer 说道。“我们希望有一个可以应用于加速器综合体中每台机器的框架。”

为此，该团队创建了九个效率工作包，将在 HL-LHC 运行开始前的几年内部署。

EPA 项目负责人 Verena Kain 表示：“我们在效率智库的讨论中发现，自动化是未来的发展方向。这意味着既要以传统方式使用自动化，也要使用人工智能和机器学习。”

例如，人工智能可以帮助物理学家对抗加速器磁滞现象。当以铁为主的加速器磁体的磁场无法通过简单的电磁体电流与磁场的映射来描述时，就会发生这种情况。

如果不考虑这一点，可能会导致编程场不一致，并对光束质量产生不利影响，例如降低光束轨迹的稳定性和精度。如今，这些场误差是手动调整以校正场的，这个过程既耗时又耗能。

“磁滞现象之所以发生，是因为实际磁场不仅由电源中的电流决定，还由磁铁的历史决定，”凯恩说。“困难在于我们无法对其进行分析建模——我们无法准确计算出需要多少电流才能为加速器磁铁中的光束产生正确的磁场——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，并制定出一个精确的模型。”

该团队已使用 SPS 中的磁铁进行了初步测试，并希望在未来几年内对所有 CERN 加速磁铁上的 AI 进行训练。

虽然欧洲核子研究中心加速器综合体内的实验已经使用自动化、人工智能和机器学习来协助数据采集，但到目前为止，大部分光束和加速器控制都是手动完成的。

“大多数低能耗机器，比如 PS，都是在如今我们所知的自动化还无法实现的时代制造的，”凯恩继续说道。自动化可以彻底改变效率的另一个领域是调度。

“加速器综合体中的不同光束是相继产生的，必须进行精心安排，以便光束可以在正确的时间从一台机器中提取出来并注入下一台机器，”她说。“有时我们必须每天更改 20 到 40 次时间表，每次大约需要 5 分钟。这项任务目前是手动完成的，占控制中心人员的大部分工作。”

通过使该过程自动化，控制中心操作员将能够花更多的时间处理光束而不是调度。

美国环保署的其他重点领域包括 LHC 自动填充、自动驾驶仪、自动故障恢复和预防、自动测试和排序、自动参数控制和优化。该团队希望在未来五年内继续他们的研究，使用 LHC Run 3 和 Long Shutdown 3 进行测试。

“感谢 EPA 项目，我们将首次大规模使用人工智能和自动化加速器，”Huschauer 继续说道。“如果我们能够产生质量更好的光束，我们将能够在更短的时间内运行该综合设施，从而产生更好的物理数据并降低总体能耗。”

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：