3月9日，美国能源部（DOE）宣布未来3年将资助4000万美元支持人工智能技术（AI）、机器学习（ML）等数字技术在科学设施领域的应用研发，以高效应对DOE科学设施海量数据产生和管理面临的挑战，提高海量实验数据抽取和分析效率，改善设施运营和优化实验设计，提升实验效率^[1]。资助项目将着重关注4个主题领域。

　　1、有效地从大型复杂数据集中提取关键信息。利用AI/ML技术从科学设施日益增长的海量和复杂数据中高效提取可靠且有意义的数据信息。利用AI/ML技术能够显著减少处理和分析数据以获得所需关键物理信息的工作时间，提升实验效率。此外，通过利用AI/ML技术有助于发现人工数据抽取分析难以觉察到的数据关联、实验结果和现象，如揭示隐藏在高维空间中复杂性问题。

　　2、解决自主控制和实验的挑战。引入AI/ML技术来解决大型、复杂的科学设施实时自主运行面临的挑战。借助AI/ML技术快速高效地从实地运行的科学设施上搜索、抽取和分析，以预测在高功率源下运行的仪器健康状况和故障，确保设施的安全稳定运行。这可以显著减少设施的调优时间和停机时间，最大限度提高科学设施利用率和效能。

　　3、支持设施和实验的离线设计和优化。研究科学设施和实验的离线设计和优化方法，让科学研究质量进一步跃升。实验设施和实验室环境物理上的精确数值模拟（如云实验室）将有助于指导和提升实验从概念到合成和测量效率。借助数字孪生技术实现高保真实验设施和环境模拟，有助于提升新设施的设计能力，执行最佳的实验策略，从而高效地获取高价值的物理知识。

　　4、利用ML技术和共享的科学数据推动科学探索。解决如何通过利用科学设施中记录的丰富多样和互补的数据来促进科学探索发现，需要对数据共享、管理和分析进行根本性的改进，以促进所有设施的科学发现。而通过应用新的AI/ML平台来整合不同的科学数据资源，研究人员就可以从异构的实验和模拟数据中创建大量的新数据集，这些数据集可以作为开发新的AI/ML方法的训练集，从而为科学探索发现带来新的机会。                                         （郭楷模 姜山）