由美国能源部布鲁克海文国家实验室与托马斯·杰斐逊国家加速器设施合作建造的电子离子对撞机(EIC)，是下一代核物理研究设施，也是世界上首个将人工智能(AI)和机器学习(ML)技术集成到加速器和探测器系统中的对撞机。该设施将以前所未有的细节揭示物质内部结构，计划于2030年代中期启用。
EIC长2.4英里(约3.9公里)，将重复利用已于2026年2月完成运行的相对论重离子对撞机(RHIC)的关键组件。两束粒子束将以接近光速沿相反方向循环并发生碰撞，一个房屋大小的粒子探测器ePIC将充当高速3D相机，捕捉碰撞时的景象。EIC将把数十年的专业知识与人工智能系统相结合，优化这一新设施的设计和未来运行。
布鲁克海文国家实验室核与粒子物理副主任兼EIC科学主任阿拜·德什潘德表示，人工智能将被嵌入到加速器的各个环节，包括产生碰撞的加速器、捕获数据的探测器，以及记录、共享和分析数据的系统。目标是确保EIC启用时能够配备人工智能系统，从而加速发现之路。
在加速器运行方面，EIC-BeamAI合作组正在布鲁克海文国家实验室利用真实的加速器系统开发和测试人工智能工具。与早期设施在建成数年后才添加AI功能不同，EIC从设计之初就将机器学习融入运行控制。物理学家凯文·布朗表示，机器学习让操作人员能够以以前无法想象的方式操控加速器，不只是调整机器，而是教会机器如何自我调整。这些系统通过调整数万个参数保持光束稳定并最大限度提高碰撞率，其性能已在RHIC预加速器中得到验证，能够维持与专家级操作员相当的束流质量。系统还会生成"数字孪生体"——实时反映加速器的虚拟模型，使科学家能够在不中断运行的情况下测试调整。研究人员强调，人工智能是增强而非取代人类专业知识，操作人员可实时监控AI驱动的变化，内置安全保障措施确保系统在安全范围内运行。
人工智能辅助模拟可以快速重现粒子在探测器中留下的信号模式，帮助科学家更高效地测试探测器设计并分析碰撞数据。这些图像对比了两种模拟π介子(一种粒子)在探测器中呈现方式的方法。右侧的Geant4图像是参考模拟结果。Geant4是粒子物理学中广泛使用的标准详细探测器模拟方法，能够生成高精度但速度较慢的模拟结果;而左侧所示的人工智能辅助版本旨在更快地生成类似的探测器模式。(图片由Cristiano Fanelli提供)
在探测器设计方面，由美国能源部资助的AID2E项目正在利用人工智能辅助设计大型探测器。传统设计过程通常需要数百万次计算密集型模拟，而研究人员正在训练算法预测设计变更如何影响探测器识别粒子的能力，从而在远少于完全模拟所需的时间内探索多种配置。威廉玛丽学院副教授克里斯蒂亚诺·法内利表示，这些系统涉及复杂的优化问题，人类难以高效探索，但非常适合采用人工智能辅助方法。
EIC探测器，也称为ePIC，将利用尖端技术探测高能电子与质子或离子(较大原子核)碰撞产生的粒子，这些粒子以接近光速的速度运动。这些碰撞会产生复杂的信号和背景“噪声”，从而掩盖关键信息。传统方法依赖于固定的规则和手动调整，而EIC将使用人工智能驱动的系统实时过滤和优先处理数据。此图显示了模拟的粒子撞击和径迹。(Sean Preins/VIRTUE)
在数据分析方面，EIC预计每秒可产生高达100吉比特的数据流，相当于同时运行数万个高清视频流。人工智能驱动的系统将实时过滤和确定数据优先级，以应对每秒50万次的碰撞速率。深度学习模型能够将粒子穿过探测器时留下的微小痕迹转化为关于其能量和动量的详细信息，提高事件重建的速度和准确性。美国天主教大学物理学教授、AI4EIC工作组联合主席坦娅·霍恩表示，EIC是一个全新的机构，从一开始就能充分利用人工智能和机器学习技术，为核物理和粒子物理领域推进近实时数据分析做出贡献。
为EIC开发的AI工具也可能对未来科学设施的设计、优化和运行方式产生更广泛的影响。
