PHITSBench：面向AI辅助PHITS辐射输运输入生成的执行评分基准

摘要

我们提出PHITSBench：面向蒙特卡洛粒子与重离子输运代码系统（PHITS）的执行评分基准。含282个可输运评分任务，横跨三类常见工作流：参数编辑（Edit）、语法修复（Repair）与从自然语言描述完整生成仿真（Reproduce）。每任务以综合度量分评估：组合执行成功与生成/参考输运观测量的一致性。用PHITSBench评估五个基于GPT-5.4的配置（从零样本提示到知识增强与智能体工作流）：没有领域知识时，模型在编辑与修复任务上表现良好（成功率95%与70%），但无法从零生成正确仿真（Reproduce赛道成功率0%）；随用户手册一并提供的结构化机器可读PHITS知识目录把单发Reproduce成功率提升到57%；智能体执行进一步改善至66–73%，但计算成本上升。失败分析显示：剩余错误主要由物理观测量选择与配置不当造成，而非语法生成。结果表明：AI辅助辐射输运建模的未来进展，将同等程度地取决于机器可读知识库、精选的领域训练数据集与执行落地的评估环境，以及基础模型自身的进步。

PHITSBench：面向AI辅助PHITS辐射输运输入生成的执行评分基准：论文配图 — 图 1：PHITS 概览。 (a) PHITS 输入文件由一系列命名关键字部分组成，定义模拟参数、粒子源、材料、几何形状和计数请求。 (b) 在执行期间，粒子从指定源发射，通过几何体传输，并根据用户定义的 [T-*] 计数定义进行评分。在所示示例中，中子源发射中子，中子在几何结构中传播并与材料区域 M1（橙色）相互作用，在相互作用点（橙色点）处产生次级粒子；模拟返回由 [T-Track] 计数计分的中子径迹长度通量。 (c) 相同的辐射传输框架支撑着不同的应用领域；这些面板显示了本研究中的三个代表性 PHITS 模拟——医学物理（水中的质子束）、屏蔽和设施设计（铅中的光子束）以及辐射探测和光谱（Cs-137 源和 NaI(Tl) 探测器）。