論文の概要: Agentic AI for Multi-Stage Physics Experiments at a Large-Scale User Facility Particle Accelerator

• arxiv url: http://arxiv.org/abs/2509.17255v1
• Date: Sun, 21 Sep 2025 22:11:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-23 18:58:16.186912
• Title: Agentic AI for Multi-Stage Physics Experiments at a Large-Scale User Facility Particle Accelerator
• Title（参考訳）: 大規模ユーザ施設粒子加速器における多段階物理実験のためのエージェントAI
• Authors: Thorsten Hellert, Drew Bertwistle, Simon C. Leemann, Antonin Sulc, Marco Venturini,
• Abstract要約: Advanced Light Sourceの粒子加速器で実装されたこのシステムは、自然言語のユーザプロンプトを構造化された実行計画に変換する。 機械物理の代表的な課題として,手作業によるスクリプティングと比較して,準備時間が2桁短縮されたことを示す。 その結果、エージェントAIを加速器実験に安全に統合するための青写真が確立され、機械物理学の研究が要求される。
• 参考スコア（独自算出の注目度）: 0.26097841018267615
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present the first language-model-driven agentic artificial intelligence (AI) system to autonomously execute multi-stage physics experiments on a production synchrotron light source. Implemented at the Advanced Light Source particle accelerator, the system translates natural language user prompts into structured execution plans that combine archive data retrieval, control-system channel resolution, automated script generation, controlled machine interaction, and analysis. In a representative machine physics task, we show that preparation time was reduced by two orders of magnitude relative to manual scripting even for a system expert, while operator-standard safety constraints were strictly upheld. Core architectural features, plan-first orchestration, bounded tool access, and dynamic capability selection, enable transparent, auditable execution with fully reproducible artifacts. These results establish a blueprint for the safe integration of agentic AI into accelerator experiments and demanding machine physics studies, as well as routine operations, with direct portability across accelerators worldwide and, more broadly, to other large-scale scientific infrastructures.
• Abstract（参考訳）: 本稿では,多段階物理実験を生産用シンクロトロン光源上で自律的に行うための,言語モデル駆動型エージェント人工知能(AI)システムを提案する。 Advanced Light Sourceの粒子加速器で実装されたこのシステムは、自然言語利用者のプロンプトを構造化された実行計画に変換し、アーカイブデータ検索、制御系チャネルの解像度、自動スクリプト生成、制御されたマシンインタラクション、分析を組み合わせる。 機械物理の代表的な課題として,システムの専門家であっても,手作業によるスクリプティングに比べて準備時間が2桁短縮され,操作者基準の安全制約は厳格に守られた。 コアアーキテクチャ機能、プランファーストオーケストレーション、バウンドツールアクセス、動的機能選択は、完全に再現可能なアーティファクトで透過的で監査可能な実行を可能にする。 これらの結果は、エージェントAIを加速器実験に安全に統合するための青写真を確立し、機械物理学の研究と定期的な操作を要求し、世界中の加速器を直接移植し、より広い範囲で他の大規模科学インフラに移植する。

関連論文リスト

• An AI-Driven Thermal-Fluid Testbed for Advanced Small Modular Reactors: Integration of Digital Twin and Large Language Models [4.30384648708148]
  本稿では,小型モジュールリアクタ技術の進歩を目的とした多目的人工知能(AI)駆動型熱流体テストベッドを提案する。 このプラットフォームは、多用途の3ループ熱流体施設と、リアルタイム予測、制御、運用支援のための高忠実なデジタルツインと高度なAIフレームワークを組み合わせる。
  論文  参考訳（メタデータ） (2025-07-08T21:07:30Z)
• An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
  本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。 このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。 完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
  論文  参考訳（メタデータ） (2025-04-20T16:57:45Z)
• Towards Agentic AI on Particle Accelerators [0.26097841018267615]
  本稿では,大規模言語モデル(LLM)を用いたアクセラレータ制御のための分散マルチエージェントフレームワークを構想する。 本稿では,知的エージェントがハイレベルなタスクやコミュニケーションを処理し,各エージェントが個別のアクセラレーターコンポーネントを制御できる自己改善型分散システムを提案する。
  論文  参考訳（メタデータ） (2024-09-10T08:47:23Z)
• CIRCUS: an autonomous control system for antimatter, atomic and quantum physics experiments [0.9134900265428982]
  CIRCUSは、時間クリティカルな実験のために最適化された自律制御システムである。 厳密な同期性要件に適合し、実験の繰り返し可能な自動操作に適している。 実験に依存しず、オープンソースとしてリリースされている他の実験は、その能力を活用することができる。
  論文  参考訳（メタデータ） (2024-02-07T07:46:42Z)
• TLControl: Trajectory and Language Control for Human Motion Synthesis [68.09806223962323]
  本稿では,人間のリアルな動き合成のための新しい手法であるTLControlを提案する。 低レベルのTrajectoryと高レベルのLanguage semanticsコントロールが組み込まれている。 インタラクティブで高品質なアニメーション生成には実用的である。
  論文  参考訳（メタデータ） (2023-11-28T18:54:16Z)
• A Comprehensive Performance Study of Large Language Models on Novel AI Accelerators [2.88634411143577]
  大規模言語モデル(LLM)は、いくつかの課題に対処するための有望なアプローチと考えられている。 専門のAIアクセラレータハードウェアシステムは、最近、AIアプリケーションの高速化に利用できるようになった。
  論文  参考訳（メタデータ） (2023-10-06T21:55:57Z)
• Active Predicting Coding: Brain-Inspired Reinforcement Learning for Sparse Reward Robotic Control Problems [79.07468367923619]
  ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。 我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。 提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-19T16:49:32Z)
• Physics-Inspired Temporal Learning of Quadrotor Dynamics for Accurate Model Predictive Trajectory Tracking [76.27433308688592]
  クオーロタのシステムダイナミクスを正確にモデル化することは、アジャイル、安全、安定したナビゲーションを保証する上で非常に重要です。 本稿では,ロボットの経験から,四重項系の力学を純粋に学習するための新しい物理インスパイアされた時間畳み込みネットワーク(PI-TCN)を提案する。 提案手法は,スパース時間的畳み込みと高密度フィードフォワード接続の表現力を組み合わせて,正確なシステム予測を行う。
  論文  参考訳（メタデータ） (2022-06-07T13:51:35Z)
• PlasticineLab: A Soft-Body Manipulation Benchmark with Differentiable Physics [89.81550748680245]
  PasticineLabと呼ばれる新しい微分可能な物理ベンチマークを導入する。 各タスクにおいて、エージェントはマニピュレータを使用して、プラスチックを所望の構成に変形させる。 本稿では,既存の強化学習(RL)手法と勾配に基づく手法について評価する。
  論文  参考訳（メタデータ） (2021-04-07T17:59:23Z)
• Integrated Benchmarking and Design for Reproducible and Accessible Evaluation of Robotic Agents [61.36681529571202]
  本稿では,開発とベンチマークを統合した再現性ロボット研究の新しい概念について述べる。 このセットアップの中心的なコンポーネントの1つはDuckietown Autolabであり、これは比較的低コストで再現可能な標準化されたセットアップである。 本研究では,インフラを用いて実施した実験の再現性を解析し,ロボットのハードウェアや遠隔実験室間でのばらつきが低いことを示す。
  論文  参考訳（メタデータ） (2020-09-09T15:31:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。