一座每秒记录50万次粒子碰撞的实验装置，从地基开始就被植入了人工智能的基因。位于纽约布鲁克海文国家实验室（Brookhaven National Laboratory）的电子-离子对撞机（EIC），作为全球首台将AI与机器学习系统融入加速器和探测器设计之初的粒子对撞机，近日披露了其技术构想与推进路径。

该设施由布鲁克海文实验室与美国能源部托马斯·杰斐逊国家加速器设施联合主导，全球超过300家机构参与合作，造价在17亿至28亿美元之间，目标在21世纪30年代中期投入运行。与过往设施在建成多年后才纳入AI工具不同，EIC面临的数据处理挑战——探测器每秒产生高达100吉比特的数据——从根本上决定了它的设计走向。

让加速器实现自我调校，是EIC的核心突破之一。在长达2.4英里的环形轨道上，维持两束反向飞驰、接近光速的粒子束稳定，意味着要同时管理数万个参数。康奈尔大学教授、同时在布鲁克海文担任联合职务的格奥尔格·霍夫施泰特·德·托尔夸特（Georg Hoffstaetter de Torquat）指出：“人类操作员很难时刻掌控所有这些设置和束流特性。而机器学习承担的角色本质上是计算机监管——系统持续监测工况并自动调整控制。”一个名为EIC-BeamAI的多机构联合团队，正在利用布鲁克海文现有的加速器硬件进行机器学习系统开发。其算法已在已退役的相对论重离子对撞机的预加速器上，成功复现了专家级操作员才能达到的束流质量。

该项目还将生成一个加速器的实时数字孪生模型，让研究人员无需触碰运行中的机器即可验证各种调整方案，甚至能在磁铁行为出现异常时提前捕捉，触发受控停机以避免硬件损坏。

在探测器设计层面，由能源部资助的AID2E项目正将机器学习应用于模拟环节。在制造任何一个部件之前，工程师需针对无数碰撞场景测试几何结构、材料和配置。经过训练的算法可以预测设计变更如何影响粒子识别性能，这使团队能在更低的算力和能耗成本下，探索比标准模拟工作流多得多的配置方案。

当EIC投入运行时，其房屋大小的ePIC探测器必须实时处理高达每秒100吉比特的数据洪流。AI驱动系统将在碰撞发生的瞬间，完成信号与噪声的实时分离。随后，深度学习模型将对每个事件进行重建，将粒子在探测器内部留下的微弱痕迹，转化为可用的能量和动量测量数据。布鲁克海文实验室已在《Patterns》期刊上公布了一项相关成果，展示了一种能大规模压缩碰撞数据、同时不丢失物理分析所需粒度的算法，该算法已在重离子对撞机硬件上完成构建与测试。

布鲁克海文实验室核与粒子物理副主任兼EIC科学主管阿拜·德什潘德（Abhay Deshpande）总结道：“我们的目标，是确保EIC在2030年代中期启动时，就已准备好用AI赋能系统来加速通往发现的道路。”