Da die Teilchenbeschleunigertechnologie in das Zeitalter hoher Luminosität vordringt, steigt der Bedarf an extremer Präzision und beispielloser Kollisionsenergie immer weiter an. Angesichts des Wunsches des Labors, Energieverbrauch und Kosten zu senken, müssen das Design und der Betrieb der CERN-Beschleuniger ständig verbessert werden, um so effizient wie möglich zu sein.
Um dieses Problem zu lösen, wurde das Projekt „Efficient Particle Accelerators“ (EPA) ins Leben gerufen – ein Team aus Mitarbeitern verschiedener Beschleuniger-, Geräte- und Kontrollgruppen des CERN, die zusammenarbeiten, um die Beschleunigereffizienz zu verbessern.
Im Anschluss an einen Workshop im Jahr 2022 wurde ein Think-Tank eingerichtet, um Upgrades für den High Luminosity LHC (HL-LHC) zu planen. Dieser erarbeitete sieben Effizienzempfehlungen für die EPA.
„Die Idee war, die Effizienz im weitesten Sinne zu betrachten“, sagt Alex Huschauer, leitender Ingenieur des CERN PS und Mitglied der EPA. „Wir wollten einen Rahmen, der auf jede Maschine im Beschleunigerkomplex angewendet werden kann.“
Zu diesem Zweck erstellte das Team neun Arbeitspakete zur Effizienz, die in den Jahren bis zum Beginn des HL-LHC-Laufs umgesetzt werden sollen.
„Aus unseren Diskussionen im Effizienz-Thinktank ging hervor, dass Automatisierung der Weg in die Zukunft ist“, sagt EPA-Projektleiterin Verena Kain. „Das bedeutet, Automatisierung sowohl auf konventionelle Weise als auch mithilfe von KI und maschinellem Lernen einzusetzen.“
Beispielsweise kann KI Physikern dabei helfen, die Hysterese von Beschleunigermagneten zu bekämpfen. Diese tritt auf, wenn sich das Feld der eisendominierten Beschleunigermagnete nicht durch eine einfache Abbildung des Stroms im Elektromagneten auf das Feld beschreiben lässt.
Wird dies nicht berücksichtigt, kann es zu inkonsistenten programmierten Feldern und nachteiligen Auswirkungen auf die Strahlqualität führen, beispielsweise zu einer Verringerung der Stabilität und Präzision der Strahlbahn. Heutzutage werden diese Feldfehler manuell angepasst, um das Feld zu korrigieren, ein Prozess, der sowohl Zeit als auch Energie kostet.
„Hysterese entsteht, weil das tatsächliche Magnetfeld nicht nur durch den Strom in der Stromversorgung, sondern auch durch die Geschichte des Magneten bestimmt wird“, sagt Kain. „Das Schwierige ist, dass wir es nicht analytisch modellieren können – wir können nicht genau herausfinden, welcher Strom benötigt wird, um das richtige Feld für den Strahl im Beschleunigermagneten zu erzeugen – zumindest nicht mit der erforderlichen Präzision. Aber KI kann aus den historischen Daten des Magneten lernen und ein präzises Modell erarbeiten.“
Das Team hat erste Tests mit Magneten im SPS durchgeführt und hofft, die KI in den kommenden Jahren an allen Beschleunigungsmagneten des CERN trainieren zu können.
Während bei den Experimenten im CERN-Beschleunigerkomplex bereits Automatisierung, künstliche Intelligenz und maschinelles Lernen zur Unterstützung der Datenerfassung zum Einsatz kommen, erfolgte die Strahl- und Beschleunigersteuerung bislang größtenteils manuell.
„Die meisten energiesparenden Maschinen wie die PS wurden in einer Zeit gebaut, in der Automatisierung, wie wir sie heute kennen, einfach nicht möglich war“, fährt Kain fort. Ein weiterer Bereich, in dem Automatisierung die Effizienz revolutionieren kann, ist die Planung.
„Die verschiedenen Strahlen im Beschleunigerkomplex werden nacheinander erzeugt und das Ganze muss so koordiniert werden, dass der Strahl im richtigen Moment aus einer Maschine entnommen und in die nächste eingespeist werden kann“, sagt sie. „Manchmal müssen wir den Zeitplan 20 bis 40 Mal am Tag ändern, und das kann jedes Mal etwa 5 Minuten dauern. Diese Aufgabe, die derzeit manuell erledigt wird, macht einen Großteil der Arbeit der Mitarbeiter im Kontrollzentrum aus.“
Durch die Automatisierung dieses Prozesses können die Bediener des Kontrollzentrums mehr Zeit mit der Arbeit an den Strahlen verbringen als mit der Planung.
Weitere Schwerpunkte der EPA sind die automatische LHC-Füllung, Autopiloten, automatische Fehlerbehebung und -prävention, automatisches Testen und Sequenzieren sowie automatische Parameterkontrolle und -optimierung. Das Team hofft, seine Forschung in den nächsten fünf Jahren fortsetzen zu können und dabei LHC Run 3 und Long Shutdown 3 für Tests nutzen zu können.
„Dank des EPA-Projekts werden wir zum ersten Mal KI und Automatisierung für die Beschleuniger im großen Maßstab einsetzen“, fährt Huschauer fort. „Wenn wir Strahlen mit besserer Qualität erzeugen können, können wir den Komplex kürzer betreiben, bessere physikalische Daten erzeugen und den Gesamtenergieverbrauch senken.“