长期以来，数字孪生技术作为虚拟复制品，在航天器模拟、人体模型构建等领域发挥着重要作用。如今，美国斯坦福直线加速器中心(SLAC)国家加速器实验室的研究人员正利用数字孪生技术，攻克复杂系统中粒子束控制的难题。粒子加速器作为SLAC多台核心设备的关键，其产生的粒子束助力全球科研人员探索原子与分子奥秘，推动新药与新材料研发。数字孪生技术，结合人工智能与现场高性能计算，有望为实验室提供高质量电子束、X射线束，加速科研进程。
SLAC的数字孪生技术源于加速器研究人员长期使用的物理模型，这些模型旨在理解直线加速器与粒子束行为。随着人工智能与机器学习技术的飞跃，以及SLAC共享科学数据设施(S3DF)提供的强大计算支持，数字孪生技术应运而生。SLAC的科学家奥拉莉·埃德伦表示：“预测性物理模型对加速器运行至关重要，机器学习则能加速模型运行，提升精确度。”埃德伦团队利用机器学习与物理模型，构建了直线加速器子系统的数字孪生模型，实现实时更新与精确呈现。
数字孪生模型的成功运行，依赖于快速访问数据中心与子系统历史数据。SLAC团队与超级计算中心合作，同时利用S3DF满足需求，实现更快实时更新与决策。数字孪生技术不仅助力操作人员与物理学家快速决策，减少光束调整时间，还直接应用于自动控制算法，提升调优速度。埃德伦指出，利用模型信息可显著提升调优效率，尤其在大型系统中效果更佳。
目前，SLAC已为原始铜制直线加速器子系统开发数字孪生原型，并与全球研究机构共享软件工具，推动加速器布局标准化。未来，SLAC计划构建LCLS的完整数字孪生模型，涵盖冷却系统等复杂组件。埃德伦表示，数字孪生、人工智能与机器学习工作，可能为放射治疗加速器控制、下一代计算机芯片合成等领域开辟新道路。
