自主粒子加速器：借助人工智能更智能地加速

在DESY的ARES加速器上，研究团队希望获得自主运行方面的经验

粒子加速器是通用工具：它们可在工业生产过程，医院的肿瘤治疗中提供帮助，并在研究中提供独特的发现和见解。对粒子束的稳定性和特性的日益增长的要求使这些复杂设备的手动操作变得越来越具有挑战性，并且需要最高水平的自动化以支持操作员。

DESY和KIT(卡尔斯鲁厄技术学院)的一个新项目目前正在朝着完全自动操作的加速器迈出第一步。在亥姆霍兹人工智能合作单位的框架内，由亥姆霍兹协会和两个参与的亥姆霍兹研究中心支持的“自主加速器”合作为在DESY和KIT的两个线性加速器的运行带来了“强化学习”。强化学习包括测量状态值和调整控制变量，以确定它们之间的相互影响，从而学习一种控制策略，该策略还考虑了将来的影响。从长远来看，这将完全取代人工干预。

FLUTE加速器位于KIT

“强化学习的重要特征是控制系统不仅会做出反应，而且会在未来计划如何实现目标。” DESY的Annika Eichler解释说，他负责整个项目。为此，控制系统可以根据到目前为止收集到的信息进行决策，但是控制系统还必须具有足够的范围，才能从字面上“征服”先前未知的地形中的新控制区域。研究团队的长期目标是完全自主地操作加速器。但首先，该团队正在集中精力控制电子沿着加速束的分布密度。除了这些电子束的长度(其中一些电子束在不到飞秒的时间内通过测量装置)之外，尤其是粒子束中的堆积效应使控制该尺寸变得非常困难。因此，自主控制对于高效，快速的优化至关重要。

对于他们的实验，研究团队使用DESY的测试加速器ARES(SINBAD的加速器研究实验)和KIT的FLUTE(远红外直线加速器和测试实验)。两种工具都可在“问题和技术”程序的框架内用于加速器研究，并为开发此类算法提供了足够的测试时间。

“通过使用两个相似，紧凑但不完全相同的加速器来开发人工智能，我们在将算法转移到其他更大的加速器方面获得了宝贵的经验，” KIT项目经理ErikBründermann说。

这一点很重要，以便以后能够将此类算法用于复杂的用户计算机，例如FLASH和European XFEL。