高强度和高重复的激光器能快速连续每秒发射多次强大的光。商业聚变能源工厂和先进的紧凑型辐射源都依赖这种激光系统。然而，人类的反应时间不足以管理这种速射系统，应用面临挑战。
为了应对这一挑战，科学家们正在寻找不同的方法来利用自动化和人工智能的力量，这些技术具有高强度操作的实时监控能力。
来自美国劳伦斯利弗莫尔国家实验室(LLNL)、弗劳恩霍夫激光技术研究所(ILT)和极光基础设施(ELI ERIC)的一组研究人员正在捷克进行一项实验，利用机器学习(ML)优化高功率激光器。
研究人员训练了一个由LLNL的认知模拟开发的机器学习代码，该代码基于激光目标相互作用数据，允许研究人员随着实验进行来调整。输出反馈到ML优化器，使其能够实时微调脉冲形状。
激光实验为期三周，每次实验持续约12小时，其间激光发射500次，间隔5秒。每射击120次后，停止激光以更换铜靶箔并检查汽化目标。
LLNL的首席研究员Matthew Hill说:“我们的目标是证明激光加速离子和电子在固体目标上的高强度和重复率的可靠诊断。”“在从机器学习优化算法到激光前端的快速反馈的支持下，可以最大限度地提高系统的总离子产量。”
利用最先进的高重复率先进Petawatt激光系统(L3-HAPLS)和创新的ML技术，研究人员在理解激光等离子体相互作用的复杂物理方面取得了重大进展。
到目前为止，研究人员一直依靠更传统的科学方法，需要人工干预和调整。借助机器学习功能，科学家们能够更准确地分析大量数据集，并在实验运行时进行实时调整。
实验的成功也印证了L3-HAPLS的能力，这是世界上最强大和最快的高强度激光系统之一。实验证明L3-HAPLS具有优异的性能，可重复性好，焦斑质量好，对准稳定性好。
Hill和他的LLNL团队与弗劳恩霍夫ILT和ELI团队合作，花了大约一年的时间准备实验。团队使用了由实验室指导研究和开发计划开发的几种新仪器，包括再现式闪烁体成像系统和REPPS磁谱仪。
漫长的准备工作得到了回报，实验成功地产生了强大的数据，这些数据可以作为核聚变能、材料科学、医学治疗等各个领域发展的基础。
生成式人工智能技术一直处于科学创新和发现的前沿。它正在帮助研究人员突破科学可能性的界限。例如，上周来自麻省理工学院和瑞士巴塞尔大学的研究人员开发了一种新的机器学习框架，以揭示材料科学的新见解。以及人工智能被证明在药物发现方面发挥了重要作用。
