カリフォルニア州バークレーのなだらかな丘陵地帯にある先端光源（ALS）粒子加速器では、AIエージェントが重要な物理実験を支援しています。
ローレンス・バークレー国立研究所（ALS）の研究者たちは最近、X線研究を軌道に乗せるため、大規模言語モデル（LLM）駆動型システムであるアクセラレータ・アシスタントを導入しました。
アクセラレータ・アシスタントは、CUDAを活用して推論を高速化するNVIDIA H100 GPUを搭載し、ALSサポートチームから提供される組織知識データを活用し、Gemini、Claude、またはChatGPTを介してリクエストをルーティングします。Pythonで記述し、自律的に、または人間が介入して問題を解決します。
これは決して容易な作業ではありません。ALS粒子加速器は、電子を光速に近い速度で200ヤードの円軌道に送り込み、紫外線とX線を放出します。これらの光は40本のビームラインに送られ、年間1,700件の科学実験に利用されています。世界中の科学者がこのプロセスを用いて、材料科学、生物学、化学、物理学、環境科学を研究しています。
ALSでは、ビームの中断は、その複雑さに応じて数分、数時間、あるいは数日間続くこともあり、同時進行中の科学実験を停止させる可能性があります。また、ALS制御システムには23万以上のプロセス変数があるため、多くの問題が発生する可能性があります。
「このような装置が稼働していることは非常に重要です。停止している間も、X線実験を行うビームラインが40本あり、それらは待機状態にあります」と、バークレー研究所加速器技術・応用物理学部門のスタッフサイエンティストであり、この画期的な研究に関する論文の筆頭著者であるトルステン・ヘラート氏は述べています。
これまで、問題のトラブルシューティングを行う施設スタッフは、システムを復旧させるため、時間的プレッシャーのかかる中で、迅速に問題箇所を特定し、データを回収し、分析に適した人員を集める必要がありました。
「この革新的なアプローチは、大規模言語モデル駆動システムを粒子加速器、原子炉・核融合炉施設、その他の複雑な科学インフラに安全かつ透過的に適用するための青写真となります」とヘラート氏は述べています。
研究チームは、アクセラレータ・アシスタントが多段階の物理実験を自律的に準備・実行できることを実証し、セットアップ時間を短縮し、労力を100倍削減しました。
アクセラレータ・アシスタントへのコンテキストエンジニアリングプロンプトの適用
ALSオペレーターは、コマンドラインインターフェースまたはOpen WebUIを介してシステムと対話します。Open WebUIは、様々なLLMとの対話を可能にし、制御室のステーションだけでなくリモートからもアクセスできます。このシステムは、複雑な制御システムにエージェントベースAIを安全に適用するためにバークレー研究所で開発されたフレームワークであるOspreyを使用しています。
各ユーザーは認証され、フレームワークはセッション間でパーソナライズされたコンテキストとメモリを維持し、複数のセッションを同時に管理できます。これにより、ユーザーは異なるタスクや実験を別々のスレッドに整理できます。これらの入力は、23万を超えるプロセス変数のデータベース、履歴データベースアーカイブサービス、そしてJupyter Notebookベースの実行環境に接続するAccelerator Assistantを介してルーティングされます。
「私たちは、この実行から得られたあらゆる事前知識を活用して、すべての言語モデル呼び出しのコンテキストを設計しようとしています」とHellert氏は述べています。
推論は、ローカル（制御室ネットワーク内のH100 GPUノード上で、パーソナルコンピューターでLLMを実行するためのオープンソースツールであるOllamaを使用）または外部（ChatGPT、Claude、Geminiなどの外部ツールにリクエストをルーティングするラボ管理インターフェースであるCBorgゲートウェイ）のいずれかで実行されます。
このハイブリッドアーキテクチャは、安全で低レイテンシのオンプレミス推論と、最新の基盤モデルへのアクセスを両立しています。EPICS（実験物理学および産業用制御システム）との統合により、オペレータ標準の安全制約を適用しながら、アクセラレータハードウェアと直接やり取りすることが可能になります。 EPICSは、粒子加速器などの大規模科学施設で使用されている分散制御システムです。エンジニアはJupyter NotebookでPythonコードを記述し、EPICSと通信することができます。
基本的に、会話入力は、冗長性のない明確な自然言語によるタスク記述に変換されます。ユーザーに関連付けられた個人用メモリ、ドキュメント、加速器データベースなどの外部知識が統合され、用語とコンテキストの補助となります。
「これは多くの専門知識を持つ大規模な施設です」とヘラート氏は述べています。「その知識の多くは複数のチームに分散しているため、機械の一部にある温度センサーのアドレスのような単純な情報を見つけるのにも時間がかかります。」
加速器アシスタントを活用し、エンジニアと核融合エネルギー開発を支援
加速器アシスタントを使用すると、エンジニアは目標を説明する簡単なプロンプトから始めることができます。システムは、加速器運用から綿密に準備された例とキーワードをバックグラウンドで活用し、LLMの推論を導きます。
「各プロンプトは、当施設の関連するコンテキストに基づいて設計されているため、モデルは既にどのようなタスクを扱っているかを把握しています」とヘラート氏は述べています。
各エージェントはその分野の専門家であるとヘラート氏は言います。
タスクが定義されると、エージェントはプロセス変数の検出や制御システムの操作といった専門能力を結集し、Pythonスクリプトを自動的に生成・実行してデータの分析、結果の視覚化、加速器本体との安全なやり取りを可能にします。
「これは非常に大きな時間を節約できるものです。論文では、このようなプロンプトであれば2桁もの節約になると述べられています」とヘラート氏は言います。
今後、ヘラート氏はALSのエンジニアたちに、実験をサポートする多くのプロセスを文書化したWikiを作成させることを目指しています。これらの文書は、人間が介入して行動方針を承認することで、エージェントが施設を自律的に運用するのに役立つ可能性があります。
「こうした極めて重要な科学実験では、たとえそれがTEM顕微鏡であれ、100万ドルもする装置であれ、人間が関与することが非常に重要になります」とヘラート氏は述べた。
この研究は、米国エネルギー省（DOE）のGenesysミッションの一環として、ALSを超えて既に拡大しており、このフレームワークは米国の粒子加速器施設全体に導入されている。次にヘラート氏は、世界最大の核融合炉であるフランスのITER（国際熱核融合炉）のエンジニアと協力し、このフレームワークを核融合炉施設での使用に向けて実装する作業を開始した。また、チリ北部の超大型望遠鏡ELT（超大型望遠鏡）との共同研究も進めている。
人類への貢献：ALSが支援する実験の科学的影響
加速器やその他の産業運用の最適化に加え、ALSでの研究は、地球規模に影響を与える科学的ブレークスルーを直接的に可能にする。この施設の安定したX線ビームは、健康、気候変動への耐性、惑星科学の研究を支えている。
COVID-19パンデミックの間、ALS研究者はSARS-CoV-2を中和できる希少抗体の特性解明に貢献しました。ビームライン4.2.2での構造生物学実験により、抗体の6つの分子ループがウイルスのスパイクタンパク質に吸着し、無力化する仕組みが明らかになりました。この発見は、複数の変異体に対して効果を維持する治療薬の迅速な開発を支えました。
ALS科学は、気候に焦点を当てた研究にも貢献しています。空気中の水や二酸化炭素を捕捉できる多孔質材料の一種である金属有機構造体（MOF）は、複数のALSビームラインで広範囲に研究されました。これらの実験は、持続可能な水資源採取と炭素管理におけるMOFの革新的な可能性を認め、最終的に2025年のノーベル化学賞につながる基礎研究を支えました。
惑星科学においては、NASAのOSIRIS-RExミッションから持ち帰られたサンプルのALS測定が、小惑星ベンヌの化学的歴史を解明するのに役立ちました。 X線解析により、このような小惑星が水と生命の前駆体分子を初期の地球に運んだという証拠が示され、地球の居住可能な環境の起源に関する理解が深まりました。
カテゴリー: ジェネレーティブAI
タグ: GPUコンピューティング
出典: 元記事を読む
※現在お読みいただいているこの記事は、国内外のニュースソース等から取得した情報を自動翻訳した上で掲載しています。
内容には翻訳による解釈の違いが生じる場合があり、また取得時の状況により本文以外の情報や改行、表などが正しく反映されない場合がございます。
順次改善に努めてまいりますので、参考情報としてご活用いただき、必要に応じて原文の確認をおすすめいたします。