Science子刊 | GPT4、Llama等LLM可以调节粒子加速器？仅50%性能优化，未来可期

本文探讨了使用大型语言模型（LLM）进行粒子加速器自主调谐的潜力。研究背景是粒子加速器在物理发现、癌症研究和材料科学等领域的广泛应用，但其调谐过程仍依赖经验丰富的操作员手动完成。研究目的是评估LLM在粒子加速器调谐任务中的表现，并与现有的优化算法如贝叶斯优化（BO）和强化学习训练优化（RLO）进行比较。研究结果表明，尽管LLM在性能上尚未达到BO和RLO的水平，但其在特定提示和模型组合下能实现约50%的性能优化。结论指出，LLM未来可能作为人类操作员的辅助工具，提供自然语言界面和协助决策，从而推动自主调谐算法的发展。