Российские исследователи разработали систему искусственного интеллекта, которая помогает управлять потоками частиц в ускорителях. В компьютерных испытаниях алгоритм обеспечил прохождение около 70% частиц через модель ускорительного канала. Разработку представили специалисты Высшей школы экономики и Института ядерной физики имени Г. И. Будкера СО РАН.
Ускорители используют для изучения строения вещества, проведения научных экспериментов и исследований материалов. Их работа требует точной настройки магнитных систем. Даже небольшое изменение параметров одного магнита способно повлиять на движение всего пучка.
Обычно специалисты подбирают настройки с помощью сложных расчётов. Российская программа RLABC позволяет передать часть этой работы искусственному интеллекту.
Алгоритм использует обучение с подкреплением. Нейросеть изменяет параметры магнитов в цифровой модели, получает результаты расчётов и оценивает, сколько частиц достигло нужной точки. Последовательно проверяя разные комбинации, система находит эффективные настройки.
Испытания провели на модели, созданной на основе новосибирского ускорительного комплекса ВЭПП-5. Исследователи работали с 37 регулируемыми параметрами. В одном из режимов до конца канала доходило около 70% частиц, при одновременной настройке всех параметров — 66%. На другой конфигурации результат достиг 71%.
Полученные показатели сопоставимы с решениями специалистов по ускорительной технике.
Один из авторов исследования Денис Деркач допускает, что «алгоритм может подобрать удачные сочетания параметров, которые человек раньше не рассматривал».
Пока технология проверена только в компьютерных экспериментах. Следующий этап — испытания на реальных ускорителях и более сложных системах.
Разработчики открыли исходный код RLABC для других научных коллективов. В перспективе программа сможет помогать операторам быстрее подбирать рабочие параметры оборудования, оставляя окончательное решение за человеком.