Utiliser l'IA génératrice de texte pour alimenter la recherche nucléaire
infohightech ·
Les programmes d'IA générateurs de texte comme ChatGPT sont connus pour leurs tâches quotidiennes, comme répondre à des questions, mais ils ne se limitent pas à cela. Ces agents d'IA peuvent utiliser leurs capacités d'analyse de texte pour faire progresser la science nucléaire et assister les physiciens de la santé, comme le montrent les recherches de Zavier Ndum, étudiant diplômé en génie nucléaire.
Les modèles de langage étendu (MLE) comme ChatGPT sont une forme d'intelligence artificielle qui utilise des données écrites pour générer du texte basé sur des prédictions. Bien que les LLM soient utiles dans de nombreux domaines, comme le génie logiciel et l'assistance à la recherche, leur utilisation en sciences nucléaires est moins courante. Cela s'explique en partie par le fait que la recherche en génie nucléaire utilise souvent des données propriétaires qui ne peuvent pas être intégrées de manière sécurisée dans un LLM général.
« En science nucléaire, il existe de nombreuses données propriétaires, et leur partage pose des problèmes de sécurité », a déclaré Zavier Ndum. « On ne peut pas simplement confier ces connaissances à ChatGPT ou Copilot. Disposer d'un outil utilisable au sein d'une organisation pour automatiser les flux de travail augmente la productivité et l'efficacité. »
Zavier Ndum a récemment publié un article sur un projet utilisant un LLM en sciences nucléaires. L'agent d'IA décrit dans l'article de Zavier Ndum, AutoFLUKA, peut contribuer à automatiser des tâches de recherche en sciences nucléaires, comme l'exécution de simulations informatiques dans un logiciel appelé FLUKA. L'application peut récupérer et modifier des fichiers d'entrée, exécuter des simulations, puis analyser les résultats et tracer des graphiques.
D'autres chercheurs peuvent utiliser l'application de Zavier Ndum avec leurs propres données, créant ainsi en toute sécurité une base de données utilisant des données propriétaires qui ne vont nulle part ailleurs que sur l'ordinateur d'origine.
« Vous pouvez trier ces informations très facilement et très rapidement, au lieu de les lire pour en extraire une réponse simple », explique Zavier Ndum. « Si vous disposez de ces documents et que l'application y accède, elle peut facilement répondre aux questions et vous pouvez demander au modèle de vous suggérer des améliorations pour votre application. »
Pour construire AutoFLUKA comme preuve de concept, Zavier Ndum a dû travailler avec les moyens du bord. Il n'avait pas accès à la méthode de Monte Carlo N-Particle (MCNP), un code de simulation informatique couramment utilisé en science nucléaire, mais également réglementé. Cependant, FLUKA est suffisamment similaire à MCNP pour que le modèle de Zavier Ndum puisse être facilement reproduit pour ce programme et d'autres programmes de simulation.
Un autre défi pour Zavier Ndum a été de réorienter ses recherches vers l'étude des agents IA. Avant d'arriver à Texas A&M, il travaillait sur la physique de la santé et la dosimétrie, soit l'étude des rayonnements absorbés par les tissus vivants. Cependant, après avoir collaboré avec le Dr John Ford, professeur de génie nucléaire spécialisé en physique de la santé, Zavier Ndum a utilisé ces travaux pour fournir des études de cas pour l'article AutoFLUKA. Il cite également les conseils du Dr Yang Liu, professeur de génie nucléaire et directeur de thèse, et du Dr Jian Tao, professeur au College of Performance affilié au Département de génie nucléaire, lors du développement de l'application.
« Lorsqu'on s'aventure sur un nouveau terrain, c'est toujours un défi, mais on persévère et on est convaincu qu'on peut en tirer quelque chose d'utile », a-t-il déclaré. « Avec tous ces efforts, on obtient de bons résultats. »
Zavier Ndum, président de la section de l'État du Texas de la Health Physics Society (STC-HPS), espère également réintroduire cette approche dans son domaine d'origine, la physique médicale. Lors de la conférence annuelle de la section en octobre à l'Université du Texas à Arlington, il a présenté une conférence sur l'utilisation des LLM en physique médicale comme assistants virtuels pour les professionnels du domaine.
Il a testé l'application de son article sur la récupération d'informations dans la documentation relative à la physique médicale, réduisant ainsi une recherche de plusieurs heures à quelques secondes. Cela peut aider les physiciens médicaux, comme les responsables de la radioprotection (RSO), qui doivent connaître la réglementation annuelle sur les doses de rayonnement et le fonctionnement des différents appareils.
« Le tri de ces guides réglementaires pour les RSO pourrait prendre du temps et être pénible », assure Zavier Ndum.
Zavier Ndum a également animé un séminaire l'automne dernier dans le cadre d'un cycle semestriel organisé par l'Initiative de recherche en intelligence artificielle pour les sciences et l'ingénierie de Texas A&M. Il prévoit de présenter une autre conférence sur ce sujet lors de la conférence étudiante STC-HPS de Texas A&M en avril, à laquelle participeront des étudiants en sciences nucléaires, en physique de la santé et en ingénierie d'universités autres que Texas A&M.
« Ils peuvent voir comment exploiter cette technologie dans leurs propres domaines de recherche spécifiques », a-t-il précisé.
Actuellement, Zavier Ndum poursuit ses recherches en développant une application LLM sophistiquée conçue pour répondre à des questions complexes et spécifiques à un domaine de recherche en sciences nucléaires. Cette application trie et analyse des documents, et peut également intégrer des informations provenant de sources en ligne en temps réel. Elle peut lire et traiter plusieurs types de fichiers, notamment des PDF, des images et des feuilles de calcul, offrant ainsi un support complet pour les tâches de recherche. Ces capacités permettent à l'application de fournir des réponses et des analyses nuancées pour optimiser la recherche en sciences nucléaires.
« C'est un territoire nouveau, et son exploration dans le cadre de la science nucléaire est essentielle », a déclaré Zavier Ndum. « Je vais continuer à travailler pour voir ce que nous pouvons accomplir grâce à ces connaissances. »
Yang Liu, qui est directeur du groupe Scientific Machine learning for Advanced Reactor Technologies (SMART), estime que le travail de Zavier aura un impact sur la communauté plus large de l'ingénierie nucléaire.
« Les LLM sont un axe de recherche de notre groupe, et nous avons la chance de compter sur Zavier pour repousser les limites de son application en sciences nucléaires », conclut Yang Liu. « Son approche innovante de l'intégration de l'IA à la recherche nucléaire correspond parfaitement à l'état d'esprit avant-gardiste dont nous avons besoin dans ce domaine. La capacité à exploiter l'IA pour une automatisation sécurisée et spécifique à un domaine change la donne, et les contributions de Zavier ouvrent la voie à des avancées plus efficaces et fondées sur les données dans la modélisation des réacteurs, la physique de la santé et la sûreté nucléaire. »
https://techxplore.com/news/2025-04-text-generating-ai-power-nuclear.html