从尼罗河畔到黄河岸
她跨越山海而来
带着一个问题：
能否用AI，减少核模拟里重复的人工优化？
在兰州大学核科学与技术学院、稀有同位素前沿科学中心
她将深度Q学习与MCNP、FLUKA相连
探测效率提升至1.22倍
π介子通量提升71%
多篇成果接连见刊
她的故事，既关于成长，也关于融合
2023年，受国家留学基金委资助，埃及籍硕士研究生玛丽来到兰州大学。求学期间，她将深度Q学习与MCNP、FLUKA模拟相结合，在探测效率、π介子通量等指标上取得可量化提升，并以第一作者发表三篇论文。
她所受资助的中国原子能奖学金（AES）项目由中国国家原子能机构（CAEA）和中国教育部（MOE）共同发起，旨在培养来自发展中国家、从事核能和平利用领域的杰出青年人才。迄今为止，已有来自30多个国家的200多名高素质专业人才接受教育和培训，取得了切实成果，并获得各国广泛认可。
“我来到中国，就是希望接受高质量的教育，获得国际科研经验，为未来的职业生涯打下更坚实的基础。”
回忆起初来乍到的心情，玛丽的眼睛里闪着光。但作为一名远道而来的国际学生，她需要应对的挑战远不止繁重的学业。语言隔阂、文化差异，再加上截然不同的学术体系与科研范式，一道道现实难关横亘在她面前。
玛丽与导师、同学的合照
“刚开始确实很难，”她坦言，“幸运的是，在导师刘志毅教授、刘军涛教授、实验室的工程师和同学们的帮助下，我慢慢不再手忙脚乱，一步步适应了这里的学习与生活。”
这段适应历程，磨砺出玛丽更加独立自信的品格，也练就了她在国际化科研场景下高效沟通、协同合作的能力，为她日后的科研突破打下了基础。
一个大胆的想法
玛丽的研究，聚焦于蒙特卡洛模拟方法在瞬发伽马中子活化分析（PGNAA）中的应用。PGNAA广泛应用于测井、工业分析和安全检测等领域，但要构建一个高效的PGNAA系统，需要协调靶材料、慢化剂材料与尺寸、样品位置、探测器几何等众多参数——传统方法往往需要反复模拟或实验试错，耗时又耗力。
“能不能用人工智能来减少这种重复的人工优化？”
这个问题，成为了玛丽科研之路的转折点。
她先是用MCNP代码建立并验证了PGNAA模型，摸清了系统配置变化对探测效率的影响。随后，她做出了一个大胆的尝试——不再将模拟和优化视为两个独立的过程，而是让人工智能直接与模拟交互。她开发了一套深度Q学习（DQL）算法与在线MCNP耦合的框架，让系统能够自动探索不同配置，优化慢化剂材料、尺寸和样品位置等参数。
为了实现该框架，玛丽开始学习深度强化学习算法以及Keras、TensorFlow等人工智能库，逐步掌握了模型训练与优化方法。
“那段时间，我不仅要理解核物理问题，还要进一步解决强化学习、神经网络、数据处理、自动化，以及AI算法和模拟代码之间的交互问题——这对我来说是全新的挑战。”
经过反复调试与验证，这套由AI驱动的优化框架交出了令人振奋的答卷：
▸探测效率：1.22倍相较于实验原始配置，优化后探测效率提升至1.22倍
▸训练耗时：3.46小时DQL智能体仅需约3.46小时即可完成自动优化
▸方法对比：优于GA/PSO综合表现优于遗传算法（GA）和粒子群优化（PSO）等传统方法
这一成果让玛丽深刻意识到：AI在核应用中的价值，不仅仅是得到一个优化结果，更是建立一套能够系统探索复杂参数空间的自动化框架。
刘军涛老师见证了这项成果从想法到落地的全过程。他回忆，玛丽最初提出“用AI驱动MCNP自动优化”时，他既欣赏她的敏锐，也担心可行性——毕竟此前鲜有先例。但她用行动打消了所有疑虑：从零学Python、深入强化学习理论，一遍遍调试耦合框架。
“让我印象最深的不是她最终做出来了，而是中间每一次跑不通时她的反应——她不是来抱怨或要答案，而是带着详细记录和新的思考方向来找我讨论。”在他看来，玛丽身上最难得的是那种把“挫折快速转化为行动力”的能力，“这种韧性，比任何技术天赋都重要。”而玛丽也在这一过程中，完成了从“学习和应用现有方法”到“自己设计集成方案”的关键蜕变。
第六届FLUKA高阶国际研讨会在兰州大学举办
阳光总在风雨后
首战告捷后，玛丽和团队将研究拓展到了FLUKA——另一种广泛应用于粒子输运和辐射物质相互作用的蒙特卡洛模拟代码。FLUKA的图形界面Flair虽然友好，但在处理复杂几何、反复参数调整和大规模优化时，人工操作依然繁琐。
把MCNP上的思路迁移到FLUKA，比她预想的要难。FLUKA的计算量大得多，一次模拟往往要跑好几个小时。她改几行代码，点下运行，等上大半天，出来的结果却完全不对。改，再跑，再等，再错。好几个夜晚，办公室里只剩下她和嗡嗡作响的机箱。
“起初，我尝试了将人工智能与在线蒙特卡洛模拟相结合的不同方式，并不断调整算法的超参数，但结果并未达到预期”。
又一次熬夜调试后，她带着沮丧去找导师。刘军涛老师听完她的问题，没有直接给答案，而是说：“阳光总在风雨后。”
那天，坐在导师办公室里，看着老师平静的表情，她忽然觉得心里踏实了不少。
“后来每次快要放弃的时候，我都会想起这句话。它不是那种给你一个具体答案的帮助，但让你愿意再等一等，再试一次。”
她回到办公室，换了个思路，重新审视每一步逻辑。最终，屏幕上的结果曲线终于和预期吻合了。
“当模拟最终成功运行时，那种喜悦很难形容。这段经历教会我的不是某个技术技巧，而是耐心和永不放弃。”
在两个极具挑战性的案例研究中，这套框架展现出了强大的优化能力：
爆炸物检测PGNAA准直器系统优化
▸分类准确率：92.0%高于专家基线的90.0%
▸误报数量：4→3在使用更短射线路径的同时，将误报从4个减少至3个
铍靶π介子产生优化
▸π介子通量：+71%相较于人工基线，π介子通量提升71%
▸π介子流：+86%π介子流提升86%
▸统计不确定度：-70%统计不确定度降低约70%
▸方法对比：全面领先与传统方法相比，DQL在解的质量和时间方面表现更优
这两项研究成果分别发表于2025IEEE Nuclear Science Symposium and Medical Imaging Conference(NSS/MIC)和国际期刊《Energy and AI》。
毕业季时，玛丽与导师、同学们在兰州大学校园草坪上合影留念。
从将蒙特卡洛模拟当作计算工具，到开发AI驱动的自动化框架，让模拟与优化融为一体——玛丽的科研方向完成了一系列成果落地。求学期间，玛丽在Radiation Physics and Chemistry、Energy and AI等期刊发表论文，并有相关研究成果发表于《Transactions on Nuclear Science》，涵盖MCNP-AI耦合框架、FLUKA-AI自动化优化以及爆炸物检测和加速器靶优化等多个方向。
“在中国的这段经历，让我从学习和应用现有的核模拟方法，成长为能够自己设计和集成计算方案的研究者。”
在兰大的温暖时光
科研之外，玛丽的兰大生活同样丰富多彩。秋天的兰州，金黄的树叶铺满校园；春节期间，她逛灯会、看民俗，在浓浓的中国年味里体验着别样的文化魅力。她也走出校园，去看中国的大好河山，在山间的观景台上，望着连绵的青山，感受着这片土地的辽阔与厚重。
户外旅行中的玛丽，在青山绿水间感受中国的辽阔。
兰大予我，我予未来
回顾在兰大的岁月，玛丽由衷感慨：
“非常感谢国家留学基金委给予我来华深造的宝贵机会，也感谢兰州大学国际文化交流学院、核科学与技术学院、稀有同位素前沿科学中心给予我的悉心培养。如果没有刘志毅老师、刘军涛老师、实验室工程师以及同学们一路以来的帮助和支持，我无法取得如今的进步。正是有他们，我才能跨过重重难关，逐步养成独立思考的科研能力。”
从尼罗河畔到黄河之畔，从陌生到熟悉，从知识的学习者蜕变为科研的创造者——玛丽的兰大故事，书写着关于成长、关于跨文化交融、关于科研探索的篇章。未来，她将带着在兰大收获的知识与勇气攻读核科学与技术专业博士学位，继续在核科学与人工智能的交叉领域前行。
图片丨由受访者提供
文字整理丨张海娟
（兰州大学官方公众号）
频道推荐
