利用 AI 加速实验核物理

如果没有强大的核力将原子粒子结合在一起，我们所知道的物质就不会存在。然而，在对这种基本相互作用的研究中，仍然存在一些悬而未决的问题。

威廉玛丽大学的数据科学助理教授克里斯蒂亚诺·法内利（Cristiano Fanelli）正在利用机器学习和人工智能的力量来增进我们对强大力量的理解。

他最近的两个项目已被美国能源部选中资助，该部已为15个通过竞争性同行评审选择的项目拨款1600万美元，用于核物理加速器和探测器的AI / ML研究。

在宣布奖项时，能源部宣布“人工智能有可能缩短核物理学实验发现的时间。这种联邦观点与威廉玛丽的战略重点产生了共鸣：正如该大学2026年愿景数据计划所述，整合跨学科的计算思维。

作为首席研究员，Fanelli将领导“EIC的可扩展和分布式AI辅助探测器设计”。该项目将协助设计未来电子离子对撞机的ePIC探测器，这是一台耗资20亿美元的最先进的机器，将在下一个十年初开始运行，并已被确定为美国核物理领域最优先的新设施。预计EIC将推动物理学的前沿，开发新技术和知识，并加速核医学和国家安全等领域的进步。

Fanelli还是“AI / ML优化极化”项目的共同研究员，该项目由托马斯杰斐逊国家加速器设施（杰斐逊实验室）领导。该项目将在GlueX实验中进行，其主要目的是更好地了解夸克和胶子等粒子的约束性质，这些粒子不能被隔离，而是聚集在一起形成强子。威廉玛丽与杰斐逊实验室有着牢固的合作关系，教师和学生经常参与那里的项目。

强大的力控制着质子和中子等强子内部夸克和胶子的行为：Fanelli的项目将有助于以前所未有的细节探索这些粒子的内部结构和动力学。

“我们对形成原子核的质子和中子内发生的复杂过程的理解仍然不完整，”Fanelli说。“我们想解开强子内部强相互作用如何真正发挥作用的奥秘。

艾德项目

纽约州厄普顿布鲁克海文实验室正在建设的EIC将由两个相交的加速器组成，它们以极高的速度碰撞极化电子和质子或离子。

电子束将暴露质子和中子内夸克和胶子的复杂排列。由胶子介导的夸克之间的结合力代表了自然界中最强的力：这些相互作用将产生对其内部结构的高分辨率描述。

粒子探测器通过测量碰撞中产生的粒子特性（如速度、质量和电荷）来识别碰撞中产生的粒子。ePIC探测器的估计成本约为3亿美元，将在EIC建造，作为涉及全球170多个机构的合作的一部分：Fanelli的项目将开发一个人工智能辅助框架，帮助优化该探测器的设计。

“这个项目将使ePIC成为第一个在人工智能的帮助下进行优化的大规模实验，”Fanelli说，他的共同研究人员包括来自布鲁克海文和杰斐逊实验室的两个国家实验室以及两个高等教育机构的研究人员，美国天主教大学和杜克大学。

Fanelli解释说，在设计探测器时，数百个多维设计参数在起作用，这些参数需要在考虑多个竞争目标的情况下进行调整，并且受到一些约束。即使物镜稍有改进，也能更有效地利用光束时间，这将构成EIC在其使用寿命期间的大部分成本。

“多年来，人类的直觉和专业知识为我们在复杂的设计空间中导航提供了很好的帮助，”他说。“然而，人工智能的出现现在为我们提供了前所未有的探索多维空间的能力，从而可以优化解决方案，平衡权衡和成本，从而增强我们现有的方法。

AIOP项目

在杰斐逊实验室的GlueX实验中，光子束被射到固定的核目标上，以产生最终状态的粒子。对这些反应的研究可以更好地理解 量子色动力学中限制的本质，即由胶子介导的夸克之间强相互作用的理论，具有识别由胶子场激发产生的奇异粒子光谱的潜力结合夸克。

Fanelli的提议开发并实施了一种AI / ML控制策略，以增强该实验使用的光子束的偏振。他解释说，深度学习等技术可以实时校正光束的质量，因为这种多维问题需要基于多个输入的决策。

“增强光束的偏振不仅可以提高实验的性能，还可以节省大量成本，特别是考虑到与传输光束相关的固有费用，”Fanelli说。

在实验核物理中使用机器学习和深度学习的另一个优势涉及重建这些实验中产生的最终状态粒子。

“一个挑战是全面重建整个物理事件，其中可能包括多个粒子，”Fanelli说。“机器学习提供了处理复杂事件拓扑的能力，这是传统算法难以实现的。

当他期待人工智能和机器学习将提供的突破性见解时，Fanelli仍然确信人类的专业知识将继续发挥至关重要的作用。“好处将是多方面的，包括模拟、控制、数据采集、分析等等。

机器学习素养和未来机遇

威廉玛丽为学生创造了使用人工智能和机器学习的机会，在核聚变等领域有许多应用。

2022年10月，第二届“电子-离子对撞机的人工智能”研讨会在威廉玛丽举行，有200多人参加。来自国家实验室、大学和行业的专家讨论了机器学习在EIC中的当前和未来应用，并传达了ePIC合作的见解。

该活动以混合黑客马拉松达到高潮，来自世界各地的 10 个团队通过提供基于机器学习的解决方案来解决与 EIC 相关的特定问题。William&Mary的学生是40名黑客马拉松参与者之一。

“这是一次深刻的教育和智力刺激的经历，”法内利回忆说，他是今年秋天在华盛顿特区举行的第三届AI4EIC组委会成员，现已开放注册。“它为如何应用机器学习和深度学习重建粒子提供了宝贵的见解和新的视角，特别是在使用为EIC开发的最先进的子探测器技术时。

在这些赠款的背景下，Fanelli希望组织其他教育活动，以提高人工智能和机器学习技术的素养，并接触学校和其他高等教育机构。

Fanelli 将他在实验核物理方面的背景以及他在人工智能和机器学习方面的多年经验带到了他的数据科学角色中。他强调了多学科在推进实验核物理方面的作用，同时为工业界的角色奠定了坚实的基础。

“威廉和玛丽分享这一愿景，认识到数据科学在各个领域的广泛适用性和好处，”他说。

Antonella Di Marzio， 资深研究作家