在加利福尼亚州伯克利的丘陵地带，一台由人工智能驱动的“加速器助手”正助力劳伦斯伯克利国家实验室的先进光源（ALS）粒子加速器稳定运行。该系统基于大型语言模型（LLM），利用NVIDIA H100 GPU和CUDA技术实现高效推理，整合了ALS团队的内部知识库，并可调用Gemini、Claude或ChatGPT等模型，自动编写Python代码、分析问题，实现人机协同或完全自主操作。 ALS是一台长达200码的环形加速器，让电子接近光速运行，产生紫外光和X射线，通过40条光束线为每年1700项科学实验提供支持，涵盖材料科学、生物、化学、物理和环境科学等领域。一旦束流中断，可能影响数分钟至数天，导致多条光束线实验停滞。其控制系统包含超过23万组过程变量，故障排查极为复杂。 “这台机器必须持续运行，每条光束线都在等待，”项目负责人、伯克利实验室加速器技术与应用物理部科学家Thorsten Hellert表示。过去，工程师需在高压下快速定位问题、调取数据并组织人员，耗时长且易出错。如今，AI助手通过“上下文工程”提示技术，将用户自然语言指令转化为精准任务，结合历史数据、操作手册和实时系统信息，自动生成并执行Python脚本，显著提升效率。 系统采用伯克利实验室自研的Osprey框架，确保AI在复杂控制环境中的安全运行。用户通过命令行或Open WebUI访问，系统支持多会话、个性化记忆和任务分组。推理既可在控制室本地使用Ollama+H100 GPU完成，也可通过CBorg网关调用外部大模型，实现安全与性能的平衡。系统与EPICS（实验物理与工业控制系统）深度集成，保障对硬件的直接、安全操作。 实验证明，该助手可自主完成多阶段物理实验，设置时间大幅缩短，效率提升达100倍。未来，团队计划建立Wiki知识库，使AI在人类监督下实现更高程度的自主运行。该技术已拓展至美国多个粒子加速器设施，并正与法国国际热核聚变实验堆（ITER）及智利极大望远镜（ELT）开展合作。 ALS的研究成果已惠及人类社会：疫情期间，其结构生物学研究揭示了中和新冠病毒的关键抗体机制，助力疗法开发；对金属有机框架材料（MOFs）的研究为碳捕获与空气取水提供支持，相关成果获2025年诺贝尔化学奖；对OSIRIS-REx任务带回的小行星样本分析，揭示了早期地球生命前体物质的来源，深化了对生命起源的理解。