使用文本生成的AI为核研究提供动力

诸如chatgpt之类的文本AI程序以诸如回答问题之类的日常任务而闻名，但这并不是所有的东西。如核工程研究生Zavier Ndum的研究所示，这些AI代理可以利用其文本范围的能力来帮助进一步的核科学并帮助健康物理学家。

大型语言模型（LLM）之类的chatgpt是一种人工智能的一种形式，它使用书面数据基于预测来生成文本。尽管LLM对许多域很有用，例如软件工程和研究协助，他们在核科学不太常见。这部分是因为核工程研究经常使用无法将其馈送到一般LLM中的专有数据。

Ndum说：“在核科学方面，有很多专有数据，共享数据存在安全问题。”“您不能仅仅将此知识授予Chatgpt或Copilot。如果您在组织中可以使用一些东西来自动化工作流程，则可以提高生产力和效率。”

Ndum最近写了一篇论文关于使用LLM进行核科学的项目。Ndum论文中描述的AI代理AutoFluka可以帮助自动化核科学研究中的任务，例如运行计算机模拟在称为fluka的软件中。该应用程序可以获取和编辑输入文件，运行仿真，然后分析结果，并使用绘图图。

其他研究人员可以将NDUM的应用程序与自己的数据一起使用，并使用专有数据安全地构建数据库，而这些数据除了原始计算机以外没有其他任何地方。

Ndum说：“您可以非常轻松，非常快地整理这些信息，而不是阅读以提取一个简单的答案。”“如果您有这些文档，并且可以访问这些文档，则可以轻松执行问答，并且可以提示该模型为您提供建议以增强您的特定申请。”

为了构建自动浮游生物作为概念证明，Ndum必须与他所拥有的东西一起工作。他无法与Monte Carlo N-Particle（MCNP）合作，这是一种计算机模拟代码，通常在核科学中使用，但也受到调节​​。但是，Fluka与MCNP足够相似，可以轻松地为其和其他仿真程序复制NDUM的模型。

NDUM的另一个挑战是将他的研究重点转变为研究AI代理。在到达德克萨斯州A＆M之前，他从事健康物理和剂量测定法，或研究活组织吸收的辐射研究。但是，在与研究健康物理学的核工程教授约翰·福特（John Ford）合作之后，Ndum使用了这项工作为AutoFluka论文提供案例研究。他还引用了核工程教授杨刘博士的指导，他的博士学位。顾问和核工程系的绩效教授学院的Jian Tao博士在构建应用程序的同时。

他说：“当您进入新的领域时，它总是充满挑战，但是您一直在工作，您相信可以从中做出有用的东西。”“当您付出这一努力时，情况就很好。”

恩杜姆（Ndum）担任卫生物理学会（STC-HPS）得克萨斯州分会（STC-HPS）的主席，他也希望将这种方法恢复到他最初的健康物理领域。在10月在德克萨斯大学阿灵顿分校举行的年度会议上，他发表了关于LLM在健康物理学中使用的演讲，以作为该领域的专业人员的虚拟助手。他从论文中测试了该申请，以从与健康物理相关的文档中检索信息，从而将长达一个小时的搜索减少到几秒钟。这可以帮助诸如辐射安全人员（RSO）等健康物理学家，他们必须了解年度辐射剂量法规和各种机器的运行。

Ndum说：“对RSO的这些调节指南进行分类可能会耗时且剧烈。”

Ndum还举办了一个研讨会，这是德克萨斯A＆M在科学和工程倡议的人工智能研究中主持的一个学期系列赛的一部分。他计划在4月在德克萨斯A＆M大学举行的STC-HPS学生会议上介绍此主题的另一个演讲，来自德克萨斯A＆M以外的大学的核科学，健康物理学和工程学生将参加。

他说：“他们可以看到如何利用这项技术到自己的特定研究领域。”

目前，NDUM通过开发旨在回答核科学研究中复杂的特定领域问题的复杂的LLM应用程序来推进他的研究。该应用程序通过并分析文档进行分类，并且还可以实时整合在线资源的信息。它可以读取和处理多种文件类型，包括PDF，图像和电子表格，为研究任务提供全面的支持。这些能力使应用程序可以提供细微的答案和见解，以使核科学研究更加有效。

Ndum说：“这是新领域，在核科学中探索它确实很重要。”“我将继续努力，看看我们能够通过这些知识来建立什么。”

刘（Liu）担任高级反应堆技术（SMART）小组的科学机器学习主管，他认为Zavier的工作将对更广泛的核工程社区产生影响。

刘说：“ LLMS是我们小组的研究重点，我们很幸运能够让Zavier推动其在核科学领域的应用。”“他将AI融入核研究的创新方法正是我们在该领域所需的那种前瞻性思维方式。将AI用于安全的，域特异性自动化的能力是一种改变游戏规则，而Zavier的贡献为更有效的，数据驱动的进步铺平了反应器模型，健康模型，健康物理学和核安全性的方法。”