Aumentando a eficiência do acelerador de partículas com IA, aprendizado de máquina e automação

À medida que a tecnologia do acelerador de partículas avança para a era da alta luminosidade, a necessidade de extrema precisão e energia de colisão sem precedentes continua crescendo. Dado também o desejo do Laboratório de reduzir o consumo de energia e os custos, o design e a operação dos aceleradores do CERN devem ser constantemente refinados para serem tão eficientes quanto possível.

Para resolver isso, foi criado o projeto Aceleradores de Partículas Eficientes (EPA), uma equipe de pessoas de diferentes grupos de aceleradores, equipamentos e controle do CERN que estão trabalhando juntas para melhorar a eficiência dos aceleradores.

Um grupo de reflexão foi criado após um workshop em 2022 para planejar atualizações para o LHC de Alta Luminosidade (HL-LHC), e apresentou sete recomendações sobre eficiência para a EPA trabalhar.

“A ideia era olhar para a eficiência em termos mais amplos”, diz Alex Huschauer, engenheiro responsável pelo CERN PS e membro da EPA. “Queríamos uma estrutura que pudesse ser aplicada a cada máquina no complexo do acelerador.”

Para fazer isso, a equipe criou nove pacotes de trabalho sobre eficiência a serem implantados ao longo dos anos até o início da execução do HL-LHC.

“Ergueu-se de nossas discussões no think-tank de eficiência que a automação é o caminho a seguir”, diz a líder do projeto da EPA, Verena Kain. “Isso significa usar a automação tanto da maneira convencional quanto usando IA e aprendizado de máquina.”

Por exemplo, a IA pode ajudar os físicos a combater a histerese do ímã do acelerador. Isso acontece quando o campo dos ímãs do acelerador dominados por ferro não pode ser descrito por um simples mapeamento da corrente no eletroímã para o campo.

Se isso não for levado em conta, pode levar a campos programados inconsistentes e efeitos prejudiciais na qualidade do feixe, como a redução da estabilidade e precisão da trajetória do feixe. Hoje, esses erros de campo são ajustados manualmente para corrigir o campo, um processo que leva tempo e energia.

“A histerese acontece porque o campo magnético real não é definido apenas pela corrente na fonte de alimentação, mas também pelo histórico do ímã”, diz Kain. “O que é difícil é que não podemos modelá-lo analiticamente — não podemos descobrir exatamente qual corrente é necessária para criar o campo correto para o feixe no ímã do acelerador — pelo menos não com a precisão necessária. Mas a IA pode aprender com os dados históricos do ímã e elaborar um modelo preciso.”

A equipe fez testes iniciais usando ímãs no SPS e espera treinar a IA em todos os ímãs aceleradores do CERN nos próximos anos.

Embora os experimentos no complexo do acelerador do CERN já usem automação, IA e aprendizado de máquina para auxiliar na coleta de dados, até agora, grande parte do controle do feixe e do acelerador era feito manualmente.

“A maioria das máquinas de menor consumo de energia, como a PS, foi construída em uma era em que a automação como a conhecemos hoje simplesmente não era possível”, continua Kain. Outra área em que a automação pode revolucionar a eficiência é na programação.

“Os diferentes feixes no complexo do acelerador são produzidos um após o outro e isso tem que ser orquestrado para que o feixe possa ser extraído de uma máquina e injetado na próxima no momento certo”, ela diz. “Às vezes temos que mudar a programação entre 20 a 40 vezes por dia, e isso pode levar cerca de 5 minutos cada vez. Essa tarefa, atualmente feita manualmente, responde por grande parte do trabalho das pessoas no centro de controle.”

Ao automatizar esse processo, os operadores do centro de controle poderão dedicar mais tempo ao trabalho nas vigas do que à programação.

Outras áreas de foco para a EPA são preenchimento automatizado do LHC, pilotos automáticos, recuperação e prevenção automática de falhas, testes e sequenciamento automáticos, controle automático de parâmetros e otimização. A equipe espera continuar sua pesquisa nos próximos cinco anos, usando o LHC Run 3 e o Long Shutdown 3 para conduzir testes.

“Graças ao projeto da EPA, pela primeira vez usaremos IA e automação para os aceleradores em larga escala”, continua Huschauer. “Se pudermos produzir feixes com melhor qualidade, seremos capazes de executar o complexo por menos tempo, criando melhores dados de física e reduzindo o consumo geral de energia.”