Speaker
勇翔 邱
(中国科学院高能物理研究所)
Description
随着中国散裂中子源（CSNS）一期工程建成，基于Apache Kafka的谱仪实验控制系统（DSNI）实现了流式数据的高效处理，奠定了高内聚、低耦合的控制模块体系与高实时高吞吐的数据传输架构基础。二期工程于2023年4月启动，面临两大核心挑战：束流功率从170kW跃升至500kW导致数据量激增，以及单晶衍射、逆几何非弹谱仪、背散射谱仪等新增谱仪对实时反馈控制与智能化决策的迫切需求。本研究提出面向通用人工智能（AGI）的谱仪实验控制智能化体系，在一期DSNI系统的基础上,通过三大核心设计突破传统控制框架：1.AI-Ready数据集构建：对中子事件流（Event Data）、设备控制信号（PV Data）、非结构化数据（文本/图像/文档等）进行统一语义编码与特征工程，实现面向AI模型的标准化预处理；2.多模态数据统一接口：开发轻量化API网关，支持对异构数据的"一键式"调用，显著降低用户操作复杂度；3.动态AI算法嵌入引擎：设计模块化算法容器，支持实时加载机器学习模型（如强化学习控制、异常检测算法），满足复杂实验场景的闭环控制需求。
该系统已在CSNS二期谱仪预研中完成原型验证，结果表明数据流吞吐效率提升3倍，数据反馈响应方面，吞吐率可不小于500MB/s;控制实时性方面，支撑500kW束流下的毫秒级控制信号响应；大幅度提升样品自动定向与定位速度；大幅度提升用户实验机时利用率。本研究为CSNS装置的智能化升级提供了可复用的技术范式。
关键词：散裂中子源；谱仪控制；快反馈实时控制；智能实验体系；多模态数据融合；实时AI决策；AGI应用
