高強度和高重復的激光器能快速連續每秒發射多次強大的光。商業聚變能源工廠和先進的緊湊型輻射源都依賴這種激光系統。然而，人類的反應時間不足以管理這種速射系統，應用面臨挑戰。

為了應對這一挑戰，科學家們正在尋找不同的方法來利用自動化和人工智能的力量，這些技術具有高強度操作的實時監控能力。

來自美國勞倫斯利弗莫爾國家實驗室(LLNL)、弗勞恩霍夫激光技術研究所(ILT)和極光基礎設施(ELI ERIC)的一組研究人員正在捷克進行一項實驗，利用機器學習(ML)優化高功率激光器。

研究人員訓練了一個由LLNL的認知模擬開發的機器學習代碼，該代碼基于激光目標相互作用數據，允許研究人員隨著實驗進行來調整。輸出反饋到ML優化器，使其能夠實時微調脈沖形狀。

激光實驗為期三周，每次實驗持續約12小時，其間激光發射500次，間隔5秒。每射擊120次后，停止激光以更換銅靶箔并檢查汽化目標。

LLNL的首席研究員Matthew Hill說:“我們的目標是證明激光加速離子和電子在固體目標上的高強度和重復率的可靠診斷。”“在從機器學習優化算法到激光前端的快速反饋的支持下，可以最大限度地提高系統的總離子產量。”

利用最先進的高重復率先進Petawatt激光系統(L3-HAPLS)和創新的ML技術，研究人員在理解激光等離子體相互作用的復雜物理方面取得了重大進展。

到目前為止，研究人員一直依靠更傳統的科學方法，需要人工干預和調整。借助機器學習功能，科學家們能夠更準確地分析大量數據集，并在實驗運行時進行實時調整。

實驗的成功也印證了L3-HAPLS的能力，這是世界上最強大和最快的高強度激光系統之一。實驗證明L3-HAPLS具有優異的性能，可重復性好，焦斑質量好，對準穩定性好。

Hill和他的LLNL團隊與弗勞恩霍夫ILT和ELI團隊合作，花了大約一年的時間準備實驗。團隊使用了由實驗室指導研究和開發計劃開發的幾種新儀器，包括再現式閃爍體成像系統和REPPS磁譜儀。

漫長的準備工作得到了回報，實驗成功地產生了強大的數據，這些數據可以作為核聚變能、材料科學、醫學治療等各個領域發展的基礎。

生成式人工智能技術一直處于科學創新和發現的前沿。它正在幫助研究人員突破科學可能性的界限。例如，上周來自麻省理工學院和瑞士巴塞爾大學的研究人員開發了一種新的機器學習框架，以揭示材料科學的新見解。以及人工智能被證明在藥物發現方面發揮了重要作用。