日前，美国能源部(DOE)宣布，将拨款1200万美元设置DOE加速器管理奖(DOE Accelerator Stewardship awards)，用于粒子加速器技术的研发。DOE加速器管理奖共支持12个研究项目，包括研发用于肿瘤治疗的加速器、工业规模的加速器、紧凑型超导加速器等。

DOE副部长Paul Dabbar表示，粒子加速器最初作为科学研究工具而研发，现已广泛应用于医学、工业和国家安全领域。DOE引领了粒子加速器研发技术的发展，并将持续保持领先地位。

其中，劳伦斯伯克利国家实验室(Lawrence Berkeley National Laboratory，以下简称“伯克利实验室”)获3项DOE加速器管理奖，用于研发更高效、更紧凑的粒子束治癌系统、高功率激光系统和通过人工智能提高粒子加速器性能。伯克利实验室的研发工作由其加速器技术和应用物理部门(ATAP)的科学家领导。

ATAP临时主管Thomas Schenke表示，DOE加速器管理奖的设置体现了加速器研发的重要性。研发成果将用于诸多领域，并将加速器技术的研发转化为社会效益。

新型超导磁体系统

DOE加速器管理奖预计三年内资助160万美元，用于建造超导磁体系统，该系统可提供能量水平高度可控、快速变化的束流，并降低质子治疗系统成本和尺寸。

伯克利实验室科学家Brouwer解释说，在治疗过程中，扫描肿瘤时需快速改变束流能量。正在研发的新型超导磁体系统与现有系统相比，减少了10倍的磁场变化，无需改变磁体强度即可提供一定能量范围的束流。新型系统将支持屏气笔形束扫描和FLASH治疗。与现有系统相比，新型系统的鲁棒性更优、成本效益更高，并可提高束流递送速度以改善疗效。

新型高功率激光系统

DOE加速器管理奖预计三年内资助308万美元用于将推进新型激光系统的研发，该系统通过组合一系列光纤激光器产生多个超短脉冲束，提供比当今超短脉冲激光器更高功率、更高效率的激光脉冲。伯克利实验室激光加速器(BELLA)中心高级科学家Cameron Geddes表示，此项研发工作是今后研发下一代高能粒子对撞机和激光等离子体加速器的关键一步。

人工智能提高粒子加速器性能

DOE加速器管理奖预计三年内资助44.4万美元用于开发基于机器学习的系统，通过自动调整提高各种紧凑型加速器的性能。该项目将在伯克利实验室的两个加速器HiRES和NDCX-II上测试机器学习算法。

研究人员希望尝试开发新的自适应算法(即全球自适应反馈系统)，通过查看和调整系统所有变量来优化加速器性能。最终，与加速器控制装置相连的有效机器学习系统可以帮助精确确定样品上每个电子束脉冲的准确到达时间。或者，机器学习算法可以通过对每个配置的束流进行实时自动优化，来帮助在工作模式和样本类型之间进行无缝切换。伯克利实验室科学家Daniele Filippetto表示，不同的样品需要不同的束流参数，可以通过一个按钮实现在一个样品和另一个样品之间切换。