Uso de IA generador de lecciones para impulsar la investigación nuclear

Los programas de IA que generan mensajes de texto como ChatGPT son conocidos por tareas cotidianas, como por responder preguntas, pero no es bueno para todos ellos. Estos agentes de IA pueden usar sus poderes de lectura para ayudar a los físicos de ciencias nucleares y salud, como lo demuestra la investigación del estudiante graduado de ingeniería nuclear Zevier NDM.

Los modelos de lenguaje grande (LLM), como las charlas, son una forma de inteligencia artificial que utiliza datos escritos para generar lecciones basadas en predicciones. Aunque los LLM son útiles para muchos dominios, como la ingeniería de software y la ayuda de investigación, su uso en la ciencia nuclear es menos común. Se debe en parte a que la investigación de ingeniería nuclear a menudo utiliza datos de propiedad que no pueden alimentarse de manera segura en un LLM normal.

"Cuando se trata de ciencia nuclear, hay muchos datos de propiedad y hay problemas de seguridad con el intercambio de datos", dijo Nadam. "No solo puede dar este conocimiento para chatear o copiloto. Si tiene algo que se puede usar para automatizar el flujo de trabajo dentro de una organización, aumenta la productividad y la eficiencia".

Recientemente ndum Escrito un artículo Sobre el proyecto utilizando un LLM para la ciencia nuclear. El documento NDUM, agente de IA descrito en Autofluka, puede ayudar a las funciones automatizadas en la investigación en ciencias nucleares, como ejecutar simulación por computadora en software llamado Fluka. La aplicación puede tomar y editar archivos de entrada, ejecutar simulación y luego analizar los resultados, completarse con los gráficos de trazado.

Otros investigadores pueden usar la aplicación de NDUM con sus propios datos, formando de forma segura una base de datos utilizando datos propietarios que no van a otro lugar que no sean la computadora original.

"Puede ordenar muy fácil y muy rápido a través de esta información, en lugar de leer una respuesta simple", dijo Nadam. "Si tiene esos documentos y tiene los beneficios de la aplicación para esos documentos, puede hacer fácilmente preguntas y respuestas, y puede indicar que el modelo sugiere aumentar su aplicación específica".

Para construir autofluka como evidencia del concepto, Endam tuvo que trabajar con él. No tenían acceso para trabajar con Monte Carlo N-Kana (MCNP), un código de simulación por computadora que se usa comúnmente en la ciencia nuclear, pero también está regulado. Sin embargo, Fluka es similar a MCNP que el modelo de NDUM se puede repetir fácilmente para sus programas de simulación y fácilmente.

Otro desafío para NDUM fue cambiar su enfoque de investigación para estudiar agentes de IA. Antes de llegar a Texas A&M, trabajó en física de la salud y dosimatría, o el estudio de la radiación absorbida por el tejido vivo. Sin embargo, el Dr. Después de trabajar con John Ford, un profesor de ingeniería nuclear que investiga la física de la salud, NDUM utilizó ese trabajo para proporcionar un estudio de caso para el documento de autofluka. Fue profesor de ingeniería nuclear El Dr. Yang también cita la guía de Yang Liu, su Ph.D. El asesor, y el Dr. Gian Tao, profesor de la Facultad de Performance, construyeron una solicitud con el Departamento de Ingeniería Atómica.

"Cuando entras en el nuevo campo, siempre es un desafío, pero sigues trabajando y crees que algo es útil que puedes hacer con él", dijo. "Cuando pones ese esfuerzo, resultó ser bueno".

El NDUM, que sirve como presidente del Capítulo Texas de la Sociedad de Física de la Salud (STC-HPS), espera recuperar este enfoque a su física de la salud. En la conferencia anual del capítulo de la Universidad de Texas en octubre en Arlington en Arlington, presentó algo sobre el uso de LLM en física de la salud para trabajar como asistentes virtuales para profesionales de la región. Probó la solicitud de su documento sobre la obtención de información de documentos relacionados con la física de la salud, que redujo unas pocas horas de descubrimiento en segundos. Esto puede ayudar a los físicos de la salud, como los oficiales de seguridad de la radiación (RSO), que deben conocer las reglas anuales de la dosis de radiación y el funcionamiento de varias máquinas.

"Para el RSO, el tiempo de recorte a través de estas guías regulatorias puede ser el tiempo y fuerte", dijo Nadam.

El NDUM también dio un seminario como parte de una serie semestre-lumbar organizada por la investigación de Texas A&M en Iniciativa de Inteligencia Artificial para la Ciencia e Ingeniería. Planeaba presentar otra cosa sobre el tema en la Conferencia de Estudiantes STC-HPS en la Universidad de Texas A&M en abril, donde participarán estudiantes de ingeniería de otras universidades además de ciencias nucleares, física de la salud y Texas A&M.

Acuerdo epidémico: puntos principales en discusión

"Pueden ver cómo explotar esta técnica en sus propios campos de investigación específicos", dijo.

Actualmente, NDUM lleva adelante su investigación mediante el desarrollo de una sofisticada aplicación LLM diseñada para responder preguntas complejas y específicas de dominio en la investigación en ciencias nucleares. Esta aplicación realiza y analiza a través de documentos, y también puede integrar información de fuentes en línea en tiempo real. Puede leer y procesar varios tipos de archivos, incluidos PDF, imágenes y hojas de cálculo, proporciona un amplio soporte para funciones de investigación. Estas habilidades permiten que la aplicación reciba una buena respuesta y una visión para que la investigación en ciencias nucleares sea más eficiente.

"Esta es una nueva región, y es realmente importante descubrirla dentro de la ciencia nuclear", dijo Nadam. "Voy a trabajar para ver qué somos capaces de hacer con este conocimiento".

Liu, quien se desempeña como director del Grupo Científico Machine Learning for the Advanced Reactor Technologies (Smart), cree que el trabajo de Zewear afectará a la comunidad de ingeniería nuclear más amplia.

"LLM es un foco de investigación de nuestro grupo, y tenemos la suerte de llevar adelante los límites de su aplicación en la ciencia nuclear", dijo Liu. "Su enfoque innovador para integrar la IA en la investigación nuclear es exactamente una mentalidad tan vanterosa que necesitamos en este campo. La capacidad de aprovechar la IA para la automatización más segura y específica del dominio es una casa de juego, y la contribución de Zewear es el modelado de reactores, la física de la salud y la seguridad nuclear".