Xây dựng máy gia tốc hạt AI đầu tiên trên thế giới, tổng chi phí lên tới 74.000 tỷ đồng

Máy gia tốc va chạm electron-ion (EIC), được xây dựng tại Phòng thí nghiệm Quốc gia Brookhaven, bang New York, là máy va chạm hạt đầu tiên trên thế giới tích hợp AI và học máy trực tiếp vào cả hệ thống gia tốc lẫn hệ thống máy dò ngay từ giai đoạn thiết kế.

Máy sẽ ghi nhận tới 500.000 vụ va chạm hạt. Ở tốc độ này, các mô hình học máy sẽ phải liên tục phân loại, lọc và tái dựng những gì diễn ra bên trong hệ thống dò tìm. Chính yêu cầu khổng lồ đó đã định hình toàn bộ thiết kế của dự án ngay từ đầu.

Đây là dự án hợp tác giữa Brookhaven và Phòng thí nghiệm Gia tốc Quốc gia Thomas Jefferson của Bộ Năng lượng Mỹ (DOE), với sự tham gia của hơn 300 tổ chức nghiên cứu trên toàn cầu.

Tổng chi phí dự án dao động từ 1,7 tỷ USD đến 2,8 tỷ USD (khoảng gần 74.000 tỷ đồng) và dự kiến vận hành vào giữa thập niên 2030.

Dạy máy gia tốc tự “điều chỉnh chính nó”

Các cơ sở vật lý hạt trước đây, bao gồm cả Relativistic Heavy Ion Collider của Brookhaven vừa ngừng hoạt động vào tháng 2/2026, chỉ bổ sung công cụ AI nhiều năm sau khi hoàn thành xây dựng.

Trong khi đó, với EIC, một nhóm liên tổ chức mang tên EIC-BeamAI đang phát triển hệ thống machine learning bằng chính phần cứng gia tốc thực tế tại Brookhaven.

Thách thức của dự án cực kỳ lớn: để duy trì ổn định cho máy gia tốc hạt, hệ thống phải đồng thời kiểm soát hàng chục nghìn tham số khác nhau, trong lúc hai chùm hạt chạy ngược chiều nhau quanh vòng gia tốc dài khoảng 3,86km với tốc độ gần bằng ánh sáng.

“Con người rất khó theo dõi toàn bộ các thông số và đặc tính chùm hạt liên tục như vậy”, giáo sư Georg Hoffstaetter de Torquat thuộc Cornell University cho biết.

Theo ông, học máy đóng vai trò như “hệ thống giám sát tự động”, liên tục theo dõi điều kiện vận hành và tự điều chỉnh các tham số kiểm soát.

Nhóm BeamAI cho biết họ đã chứng minh được tính khả thi của công nghệ này. Tại các máy gia tốc tiền xử lý của RHIC, thuật toán học máy (machine learning) đã đạt chất lượng điều khiển chùm hạt tương đương những chuyên gia vận hành giàu kinh nghiệm.

Hệ thống này còn tạo ra một “bản sao số” của máy gia tốc, mô hình ảo hoạt động theo thời gian thực cho phép các nhà nghiên cứu thử nghiệm thay đổi mà không cần can thiệp vào thiết bị thật.

“Bản sao số” cũng có khả năng phát hiện bất thường ở nam châm gia tốc đủ sớm để kích hoạt quy trình tắt máy an toàn trước khi xảy ra hư hỏng.

AI tham gia thiết kế máy dò hạt

Việc chế tạo máy dò hạt đòi hỏi phải chạy lượng mô phỏng khổng lồ trước khi bất kỳ linh kiện nào được sản xuất, từ thử nghiệm hình học, vật liệu đến cấu hình hệ thống trong vô số kịch bản va chạm khác nhau.

Một dự án do Bộ Năng lượng Mỹ hỗ trợ mang tên AID2E, quy tụ Brookhaven cùng nhiều trường đại học như Đại học Công giáo Hoa Kỳ, Đại học Duke, Phòng thí nghiệm Jefferson và Đại học William & Mary, đang ứng dụng học máy vào quy trình này.

Các thuật toán được huấn luyện để dự đoán việc thay đổi thiết kế sẽ ảnh hưởng thế nào tới khả năng nhận diện hạt, giúp giới nghiên cứu thử nghiệm nhiều cấu hình hơn đáng kể so với phương pháp mô phỏng truyền thống, đồng thời giảm chi phí tính toán và điện năng tiêu thụ.

Bài toán dữ liệu khổng lồ

Khi EIC chính thức vận hành, máy dò khổng lồ mang tên ePIC, có kích thước tương đương một căn nhà, sẽ tạo ra lượng dữ liệu lên tới 100 gigabit mỗi giây.

Các hệ thống AI sẽ phải xử lý dòng dữ liệu này theo thời gian thực, liên tục tách tín hiệu hữu ích khỏi nhiễu trong lúc va chạm đang diễn ra.

Sau đó, các mô hình deep learning sẽ tái dựng toàn bộ sự kiện va chạm, biến những dấu vết cực nhỏ mà hạt để lại bên trong máy dò thành dữ liệu đo lường về năng lượng và động lượng.

Một dự án liên quan của Brookhaven, công bố trên tạp chí Patterns, đã chứng minh thuật toán AI có thể nén dữ liệu va chạm quy mô lớn mà vẫn giữ nguyên độ chi tiết cần thiết cho phân tích vật lý.

“Mục tiêu là bảo đảm EIC sẵn sàng với các hệ thống AI có thể đẩy nhanh tốc độ khám phá khoa học ngay khi dự án vận hành vào giữa thập niên 2030”, Abhay Deshpande, Giám đốc khoa học của EIC, cho biết.

Theo IE