The Multi-Office Accelerator Team (MOAT) Seed project
يقدم مشروع MOAT Seed منصة Osprey للذكاء الاصطناعي الوكيل لتوحيد المعرفة المجزأة لمرافق المسرعات وأتمتة المهام المعقدة مثل استكشاف الأخطاء وإصلاحها والتحليل والتصميم عبر مجمع وزارة الطاقة الأمريكية، مما يقلل الاعتماد على البرمجة النصية المخصصة ويمكّن من نقل قدرات الذكاء الاصطناعي المشتركة بين المختبرات الوطنية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تُعد مسرعات الجسيمات من بين أكثر الآلات تعقيداً التي صنعها البشر على الإطلاق. فهي عبارة عن شبكات شاسعة ومعقدة من المغناطيسات، وغرف الفراغ، والمستشعرات الإلكترونية التي توجه حزم الجسيمات دون الذرية بسرعة تقارب سرعة الضوء. وتعمل هذه الآلات كمجاهر قوية للعلماء، مما يسمح لهم بسبر أغوار اللبنات الأساسية للمادة، وابتكار مواد جديدة، وتطوير علاجات طبية متقدمة. ومع ذلك، فإن تشغيل هذه المحركات الضخمة بسلاسة يعد مهمة هائلة؛ إذ تولد هذه الآلات ملايين النقاط البيانية في كل ثانية، ويتغير سلوكها باستمرار مع تغير الظروف. ولعقود من الزمن، اعتمد الأشخاص الذين يشغلونها على مزيج من الخبرة العميقة، والتحقق اليدوي من البيانات، والبرامج الحاسوبية المكتوبة خصيصاً لتشخيص المشكلات، وضبط الحزمة، وإبقاء التجارب جارية. وهذه العملية بطيئة، وتتطلب جهداً مكثفاً، وغالباً ما تقتصر على ما يمكن لخبير واحد إدارته في منشأة محددة.
لا يكمن التحدي في الحجم الهائل للمعلومات فحسب، بل في صعوبة الربط بينها أيضاً. فقد تكون المشكلة ظاهرة في مدخل في سجل العمليات كتبه أحد المشغلين قبل ساعات، أو مخفية في تدفق من بيانات المستشعرات المؤرشفة، أو لا تظهر إلا من خلال محاكاة معقدة تستغرق ساعات لتشغيلها. تقليدياً، كان على المشغل البشري أن يعمل كجسر، حيث يقوم بسحب البيانات يدوياً من مصادر مختلفة، وكتابة كود لتحليلها، ثم اتخاذ القرار بشأن ما يجب فعله بعد ذلك. يصف هذا البحث نهجاً جديداً لهذه المشكلة، طوره فريق من العلماء من سبعة مختبرات وطنية رئيسية في الولايات المتحدة. لقد بنوا منصة برمجية مشتركة تسمى "أوسبري" (Osprey)، صُممت لتعمل كمساعد ذكي يمكنه قراءة اللغة الطبيعية، والوصول إلى كل هذه المصادر المختلفة للبيانات، وإجراء تحليلات معقدة تلقائياً. وبدلاً من استبدال الخبراء البشريين، صُمم النظام للقيام بالأعمال الشاقة المتعلقة باسترجاع البيانات والحسابات، مما يسمح للخبراء بالتركيز على الصورة الأكبر.
إن جوهر هذا العمل هو مفهوم الذكاء الاصطناعي "الوكيل" (Agentic AI). فخلافاً لبرامج الدردشة البسيطة التي تجيب على الأسئلة، فإن "الوكيل" هو برنامج حاسوبي يمكنه التخطيط لسلسلة من الإجراءات لتحقيق هدف ما. وفي هذا المشروع، قام الباحثون بربط نماذج الاستدلال المتقدمة هذه بأنظمة التحكم الفعلية لمسرعات الجسيمات. وقد تم اختبار النظام عبر مجموعة واسعة من المنشآت، بما في ذلك حلقات التخزين الإلكترونية، ومسرعات البروتونات، وأجهزة الليزر والبلازما. وكان الهدف هو معرفة ما إذا كان إطار برمجيات واحد ومشترك يمكنه تعلم التحدث بلغة آلات مختلفة، واسترجاع السجلات التاريخية، وتحليل البيانات الحية، وحتى كتابة الكود اللازم لإصلاح مشكلة أو ضبط حزمة.
تظهر النتائج أن هذا النهج ناجح. ففي أحد العروض التجريبية في مختبر "جيفرسون لاب" (Jefferson Lab)، لاحظ أحد المشغلين إشارة غريبة على مراقب الحزمة لم تتطابق مع الحركة الفعلية لحزمة الجسيمات. وبدلاً من قضاء ساعات في فحص البيانات يدوياً، طُلب من "الوكيل" التحقيق في الأمر. فقام الوكيل تلقائياً باسترجاع الإشارة، وتفكيكها إلى أجزاء مختلفة، وتحديد الأجزاء المتذبذبة، وحساب تردد الاضطراب. ثم قدم رسماً بيانياً واضحاً وموضحاً مع ملخص للنتائج للمشغل في جزء ضئيل من الوقت الذي كان سيستغرقه الإنسان للقيام بنفس العمل يدوياً. وفي حالة أخرى في "مصدر الفوتونات المتقدم" (Advanced Photon Source)، قام النظام بتحليل آلاف النقاط البيانية المؤرشفة للعثور على أنماط في أعطال المعدات. وقد نجح في تحديد وحدة إمداد طاقة معينة كانت تتصرف بشكل مختلف عن غيرها، وهي مشكلة دقيقة ربما تم التغاضي عنها أثناء الفحص الروتيني.
كما أثبت النظام قدرته على التعامل مع مهام أكثر تعقيداً ومتعددة الخطوات. ففي "مصدر الضوء المتقدم" (Advanced Light Source)، طلب الباحثون من "الوكيل" تحليل سبب تصرف جزء معين من الآلة بشكل غير منتظم. لم ينظر "الوكيل" إلى الأرقام فحسب، بل بحث أيضاً في السجلات الإلكترونية، وهي بمثابة مذكرات رقمية يكتب فيها المشغلون ما كانوا يفعلونه وما لاحظوه. ومن خلال الجمع بين البيانات الخام والملاحظات البشرية، اكتشف "الوكيل" أن إنذار الفراغ قد تسبب في رد فعل متسلسل، مما أدى إلى قفزة في الحزمة. وقد شرح تسلسل الأحداث بأكمله، رابطاً بين الإنذار وحركة الحزمة، وهو أمر كان سيتطلب من الإنسان الربط يدوياً بين نظامين مختلفين.
وإلى جانب مجرد النظر في البيانات، تم اختبار قدرة "الوكيل" على التحكم في الآلة. ففي مختبر "جيفرسون لاب"، طُلب من النظام تثبيت إشارة حزمة متذبذبة. فقام بكتابة كود التحكم الخاص به، وحدد المغناطيسات الصحيحة التي يجب تعديلها، وبدأ في إجراء تصحيحات في الوقت الفعلي للحفاظ على استقرار الحزمة. كما قام بتعديل إعداداته الخاصة أثناء العمل، متعلماً ما ينجح وما لا ينجح، وكل ذلك دون أن يكتب الإنسان سطراً واحداً من كود التحكم. وبالمثل، في مختبر "سلاك" الوطني للمسرعات (SLAC)، ساعد "الوكيل" في ضبط مسرع يعمل بالليزر؛ حيث حلل بيانات الأداء السابقة، واختار أفضل الخوارزميات للمهمة، وكون إجراءً معقداً للتحسين. هذه العملية، التي تستغرق عادةً وقتاً طويلاً من الخبير لإعدادها، اكتملت في دقائق، وأدت إلى تحسين جودة الحزمة بشكل كبير.
كما استكشف المشروع كيف يمكن لهذه "الوكلاء" المساعدة في تصميم مسرعات جديدة. ففي أحد الاختبارات، أُعطي النظام مهمة تصميم قسم قصير من مسار حزمة الجسيمات من الصفر. كان الهدف هو نقل حزمة من جزء من الآلة إلى جزء آخر مع الحفاظ على تركيزها واستقرارها. مُنح "الوكيل" قواعد الفيزياء ومواصفات الآلة، وكان حراً في تقرير عدد المغناطيسات المستخدمة وأماكن وضعها. فقام بكتابة نصوص المحاكاة الخاصة به، وأجرى آلاف الاختبارات، وكرر تصميمه حتى وجد حلاً يطابق أداء التصميم الذي وضعه الخبراء البشريون. استغرقت هذه العملية برمتها حوالي خمس عشرة دقيقة فقط، وهي مهمة قد تستغرق عادةً أياماً من العمل اليدوي والمحاكاة.
ويؤكد الباحثون أن هذا لا يتعلق باستبدال المشغلين البشريين أو الفيزيائيين. فقد صُمم النظام ليعمل تحت قواعد سلامة صارمة، حيث يجب على الإنسان الموافقة على أي تغييرات يتم إجراؤها على الآلة قبل تنفيذها. يعمل "الوكيل" كأداة قوية يمكنها التعامل مع الأجزاء المملة والمتكررة والكثيفة بالبيانات من الوظيفة. يمكنه البحث في سنوات من السجلات في ثوانٍ، ورصد الأنماط التي لا تراها العين البشرية، وإجراء حسابات معقدة قد تكون بطيئة جداً لدرجة تجعلها غير عملية. ومن خلال ربط هذه القدرات عبر المختبرات المختلفة، أظهر الفريق أن الحل الذي تم تطويره في منشأة ما يمكن تكييفه واستخدامه في منشأة أخرى، مما يكسر الحواجز التي أبقت هذه الأدوات معزولة في الماضي.
ويخلص البحث إلى أن هذا النهج المشترك يمثل تحولاً كبيراً في كيفية إجراء علوم المسرعات. فهو ينقل المجال من التجارب المعزولة الخاصة بكل منشأة إلى منظومة تعاونية يتم فيها تبادل الأدوات والمعرفة. وتشير النتائج الأولية إلى أنه مع هذا النوع من المساعدة، يمكن تقليل الوقت المطلوب لضبط الآلة بشكل كبير، ويمكن تحسين جودة الحزم. وبينما لا تزال هناك تحديات يجب التغلب عليها، خاصة فيما يتعلق بضمان موثوقية وسلامة هذه الأنظمة المستقلة، فإن العمل يوضح مساراً واضحاً للمضي قدماً. فهو يظهر أنه من خلال الجمع بين الذكاء الاصطناعي المتقدم والخبرة العميقة للعلماء البشريين، من الممكن فتح مستويات جديدة من الأداء والكفاءة في عالم أكثر الآلات تعقيداً.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.