要約
粒子加速器のような大規模な機械は、通常、経験豊富なオペレーターのチームによって操作されます。
粒子加速器の場合、これらのオペレーターは加速器の物理学と機械を構成する技術の両方について適切な背景知識を持っています。
機械は複雑であるため、機械の特定のサブシステムは、オペレーターが頼れる専門家によって処理されます。
この研究では、推論とアクション (ReAct) プロンプト パラダイムを使用して、オープンウェイト大規模言語モデル (LLM) を高レベルのマシン制御システム フレームワークや他のツールと結合します。
電子ログブックまたは機械設計文書。
これにより、マルチエキスパートによる検索拡張生成 (RAG) システムが実装され、オペレーターの知識検索タスクを支援したり、必要に応じてマシンと直接対話したり、高レベルの制御システム スクリプトを作成したりできます。
専門知識と機械の対話をこのように統合することで、新人オペレーターと経験豊富な人間オペレーターの両方の機械操作タスクを簡素化し、スピードアップできます。
要約(オリジナル)
Large-scale machines like particle accelerators are usually run by a team of experienced operators. In case of a particle accelerator, these operators possess suitable background knowledge on both accelerator physics and the technology comprising the machine. Due to the complexity of the machine, particular subsystems of the machine are taken care of by experts, who the operators can turn to. In this work the reasoning and action (ReAct) prompting paradigm is used to couple an open-weights large language model (LLM) with a high-level machine control system framework and other tools, e.g. the electronic logbook or machine design documentation. By doing so, a multi-expert retrieval augmented generation (RAG) system is implemented, which assists operators in knowledge retrieval tasks, interacts with the machine directly if needed, or writes high level control system scripts. This consolidation of expert knowledge and machine interaction can simplify and speed up machine operation tasks for both new and experienced human operators.
arxiv情報
| 著者 | Frank Mayet |
| 発行日 | 2024-05-02 15:06:18+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google