高能物理：打造“会思考”的宇宙线解析专家级模型+科学智能体

4月9日至10日，高能粒子天体物理科学模型研讨会暨高海拔宇宙线观测站（LHAASO）智能工程进度工作会在上海交通大学李政道研究所顺利召开。本次会议由中国科学院高能物理研究所、上海交通大学李政道研究所联合主办，天府宇宙线研究中心承办。

来自中国科学院高能物理研究所、自动化研究所、紫金山天文台、国家空间科学中心、中国科学技术大学、计算机网络信息中心，上海交通大学李政道研究所，之江实验室，南京大学等多家科研院所与高校的 80 余位专家、青年学者齐聚一堂，共商高能粒子天体物理科学模型研究与 LHAASO 智能工程建设进展。中国科学院高能物理研究所副所长刘聪展、李政道研究所副所长刘江来出席会议并致辞。

紫东太初团队参加会议，并以《基于动态混合专家架构的 LHAASO 宇宙线解析专家模型》为题作主题报告，分享了LHAASO-MoE 模型的研究方法与实验结果。结果显示，该模型可适配多种科研下游任务，在模拟数据与真实实验数据的验证中，均实现核心性能的有效提升，为宇宙线数据智能解析提供全新技术路径。

高海拔宇宙线观测站（LHAASO）是全球领先的宇宙线观测装置，每日产出海量观测数据，肩负探索宇宙线起源、伽马源分布、暗物质线索等重大科学难题的使命。但在实际科研推进中，传统通用AI模式面临诸多瓶颈：

• 数据处理链条冗长、工具繁杂，使用门槛极高；
• 数据分析高度依赖专家经验，难以形成标准化流程；
• 科研成果与论文产出周期长，通常以 “年” 为单位；
• 设备运维与科学研究高度耦合，问题定位效率低、成本高。

通用人工智能模型无法适配科研数据理解、专业建模、科学问题推理等核心需求，针对这一痛点，紫东太初突破传统 AI 平台设计逻辑，从人工智能深度融入科研全流程的底层逻辑出发，构建起一套堪比 “科研搭档” 的智能体体系，为 LHAASO 装上 “智慧大脑”。

针对以上痛点，紫东太初以科研流程为核心，完成三大关键重构，让科研AI体系从 “被动采集” 变为 “主动思考”：

• 数据升级：从孤立数据源到可理解数据基座

打破数据孤岛，将实验观测、设备运行等多源数据统一沉淀为可调用、可推理的数据基础设施，实现数据价值最大化。

• 工具升级：从分散工具到标准化能力单元

将原本零散的分析工具、运维系统、可视化模块抽象为统一的标准化技能单元（Skills），简化工具使用逻辑。

• 交互升级：从人工操作到智能体协同

摒弃 “人找工具” 的传统模式，由智能体自主完成任务拆解、工具调用、结果整合，实现人机高效协同。

该体系不追求单一 “大而全” 的 AI 模型，而是基于统一能力底座，打造分工清晰的三大智能体：

• 数据分析智能体：专注科研数据深度解析；
• 系统管理智能体：负责设备运维全流程管理；
• 可视化监控智能体：实现设备状态实时监测与呈现。

通过 “感知 — 决策 — 行动” 闭环机制，结合多轮对话、工具调用、专业知识库能力，智能体可与业务系统双向交互，自主获取数据、下发指令，深度参与科研分析与设备运维全流程。

这套智能体体系落地，推动 LHAASO 科研与运维实现三大核心转变：

• 科研交互：从手动复杂操作转为自然语言便捷交互，让科研人员聚焦核心科学问题；
• 运维模式：从被动响应故障转为主动智能预警，降低对人工经验的过度依赖；
• 能力沉淀：从个人零散经验转化为组织可复用数字资产，全面提升科研与运维效率。

此次紫东太初构建科研专属专家模型与多智能体协同体系，是打造人工智能赋能基础科学研究（AI4S）的生动实践。紫东太初将锚定科学智能的发展方向，持续聚焦传统基础科研在海量数据解析、复杂规律推演、科研流程迭代等共性难题，以 AI 全域赋能科学研究全链条，大幅提升原始创新效率与科研攻关速度，形成全域通用、可复制推广的智能化科研范式，为AI4S技术规模化落地与数字化升级提供中国方案。