Sztuczna inteligencja wykorzystywana przez inżynierów do wykorzystania energii termojądrowej sieci

W mgnieniu oka, nieokiełznany, gorący osocze To, co napędza reakcję termojądrową, może utracić stabilność i uciec przed silnymi polami magnetycznymi, które zatrzymują je w reaktorze termojądrowym w kształcie pączka. Te ucieczki często oznaczają koniec reakcji, co stanowi zasadnicze wyzwanie dla rozwoju syntezy termojądrowej jako niezanieczyszczającego i praktycznie nieograniczonego źródła energii.

Jednak zespół kierowany przez Princeton, składający się z inżynierów, fizyków i analityków danych z uniwersytetu i Fizyka plazmy Princeton nrCzyściec (PPPL) Zdolność sztucznej inteligencji do przewidywania, a następnie zapobiegania powstawaniu określonego problemu plazmowego w czasie rzeczywistym.

W eksperymentach w Krajowy zakład syntezy DIII-D W San Diego badacze wykazali, że ich model, wytrenowany wyłącznie na podstawie wcześniejszych danych eksperymentalnych, może przewidzieć potencjalne niestabilności plazmy, zwane niestabilnościami trybu rozdzierania, z wyprzedzeniem do 300 milisekund. Chociaż nie pozostawia to więcej niż wystarczająco dużo czasu na powolny błysk u ludzi, kontroler AI miał mnóstwo czasu na zmianę pewnych parametrów operacyjnych, aby uniknąć tego, co mogłoby przerodzić się w pęknięcie linii pola magnetycznego plazmy, wyrzucanie wytrącić je z równowagi i otworzyć drzwi, aby uciec przed reakcją.

„Ucząc się na podstawie poprzednich eksperymentów, zamiast integrować informacje z modeli opartych na fizyce, sztuczna inteligencja może opracować ostateczną politykę kontroli, która będzie wspierać stabilny, wysokoenergetyczny system plazmowy w czasie rzeczywistym, w prawdziwym reaktorze” – powiedział kierownik badań. Egemen Colemenprofesor nadzwyczajny Inżynieria mechaniczna i lotnicza Andlingera Centrum Energii i Środowiska, a także fizyk-badacz w PPPL.

Badania otwierają drzwi do bardziej dynamicznej kontroli reakcji termojądrowej niż obecnie stosowane metody i stanowią podstawę do wykorzystania sztucznej inteligencji do rozwiązywania szerokiego zakresu niestabilności plazmy, które od dawna utrudniają osiągnięcie trwałej reakcji termojądrowej. Rozmieść zespół Ich ustalenia W naturze 21 lutego.

„Wcześniejsze badania skupiały się na ogół na tłumieniu lub osłabianiu skutków niestabilności pęknięcia po ich wystąpieniu w osoczu” – stwierdził pierwszy autor. Jimina Seo, adiunkt fizyki na Uniwersytecie ChungAng w Korei Południowej, wykonał większość pracy w ramach stażu podoktorskiego w grupie Colemana. „Ale nasze podejście pozwala nam przewidzieć i uniknąć tych niestabilności, zanim się pojawią”.

Supergorąca plazma krąży w urządzeniu w kształcie pączka

Fuzja zachodzi, gdy dwa atomy – zwykle lekkie, takie jak wodór – łączą się, tworząc jeden cięższy atom, uwalniając w tym procesie dużą ilość energii. Proces ten zasila Słońce i w ten sposób umożliwia życie na Ziemi.

Jednakże stopienie dwóch atomów jest trudne, ponieważ pokonanie wzajemnego odpychania wymaga ogromnej ilości ciśnienia i energii, aby oba atomy mogły pokonać wzajemne odpychanie.

Na szczęście dla Słońca, jego ogromna grawitacja i niezwykle wysokie ciśnienie w jego jądrze umożliwiają reakcje syntezy jądrowej. Aby odtworzyć podobny proces na Ziemi, naukowcy zamiast tego używają niezwykle gorącej plazmy i niezwykle potężnych magnesów.

W urządzeniach w kształcie pączków, znanych jako tokamak – czasami nazywanych „gwiazdami w słoikach” – pola magnetyczne walczą o zatrzymanie plazmy, która osiąga temperaturę ponad 100 milionów stopni Celsjusza, czyli wyższą niż środek Słońca.

Chociaż istnieje wiele rodzajów niestabilności plazmy, które mogą zakończyć reakcję, zespół z Princeton skupił się na rozwiązaniu niestabilności trybu rozerwania, czyli zakłóceniu, w wyniku którego linie pola magnetycznego w plazmie faktycznie pękają i stwarzają możliwość późniejszej ucieczki plazmy.

„Niestabilność wzoru pękania jest jedną z głównych przyczyn rozrywania plazmy i stanie się bardziej widoczna, gdy spróbujemy przeprowadzić reakcje termojądrowe przy dużych siłach wymaganych do wytworzenia wystarczającej energii” – powiedział Siu. „Stanowią dla nas ważne wyzwanie do rozwiązania”.

Integracja sztucznej inteligencji i fizyki plazmy

Ponieważ niestabilności trybu zakłócającego mogą utworzyć i zakłócić reakcję termojądrową w ciągu milisekund, badacze zwrócili się ku sztucznej inteligencji ze względu na jej zdolność do szybkiego przetwarzania nowych danych i reagowania na nie.

Jednak proces opracowania skutecznego kontrolera AI nie był tak prosty, jak wypróbowanie kilku rzeczy na tokamaku, gdzie czas jest ograniczony, a ryzyko wysokie.

Współautor Azarachsz Galalvandbadacz z grupy Colemana porównał nauczenie algorytmu uruchamiającego reakcję kombinatoryczną w tokamaku z nauczeniem kogoś, jak latać samolotem.

„Nie nauczysz kogoś, wręczając mu komplet kluczy i każąc mu dać z siebie wszystko” – powiedział Galalvand. „Zamiast tego poprosisz ich o szkolenie w bardzo złożonym symulatorze lotu, dopóki nie nauczą się wystarczająco dużo, aby spróbować czegoś prawdziwego”.

Podobnie jak przy opracowywaniu symulatora lotu, zespół Princeton wykorzystał dane z poprzednich eksperymentów na tokamaku DIII-D do zbudowania głębokiej sieci neuronowej zdolnej do przewidywania prawdopodobieństwa przyszłej niestabilności na podstawie właściwości plazmy w czasie rzeczywistym.

Wykorzystali tę sieć neuronową do wytrenowania algorytmu uczenia się przez wzmacnianie. Podobnie jak początkujący pilot, algorytm uczenia się przez wzmacnianie może wypróbowywać różne strategie kontrolowania plazmy, ucząc się metodą prób i błędów, które strategie zadziałały, a które nie, w bezpiecznym środowisku symulacji.

„Nie uczymy modelu uczenia się przez wzmacnianie całej złożonej fizyki reakcji termojądrowej” – powiedział Galalvand. „Mówimy mu, jaki jest cel — utrzymanie reakcji o dużej mocy — czego unikać — niestabilność trybu zgrywania — i którymi pokrętłami może obrócić, aby osiągnąć te wyniki. Z biegiem czasu uczy się optymalnej ścieżki osiągnięcia celu dużej mocy unikając jednocześnie kary za niestabilność.”

Chociaż model przeszedł niezliczone eksperymenty symulacyjne syntezy termojądrowej, próbując znaleźć sposoby na utrzymanie wysokiego poziomu energii przy jednoczesnym unikaniu niestabilności, jest współautorem Sang Keun Kima Jego działania można monitorować i udoskonalać.

„W tle widzimy intencje modelu” – powiedział Kim, pracownik naukowy w PPPL i były pracownik naukowy ze stopniem doktora w grupie Colemana. „Niektóre zmiany, których oczekuje model, są bardzo szybkie, więc pracujemy nad wygładzeniem modelu i jego uspokojeniem. Jako ludzie dokonujemy arbitrażu pomiędzy tym, co chce zrobić sztuczna inteligencja, a tym, co może pomieścić tokamak. „

Gdy już nabrali pewności co do możliwości kontrolera AI, przetestowali go podczas rzeczywistego eksperymentu fuzji w tokamaku D-III D i zaobserwowali, że kontroler wprowadzał w czasie rzeczywistym zmiany w niektórych parametrach tokamaka, aby uniknąć wystąpienia niestabilności . Do parametrów tych należała zmiana kształtu plazmy oraz siła wiązek wprowadzających energię do oddziaływania.

„Możliwość wczesnego przewidywania niestabilności może sprawić, że zarządzanie tymi reakcjami będzie łatwiejsze niż obecne metody, które są bardziej pasywne” – powiedział Kim. „Nie musimy już czekać, aż wystąpią niestabilności, a następnie podejmować szybkie działania naprawcze, zanim plazma ulegnie awarii”.

siłę w przyszłości

Choć naukowcy stwierdzili, że ta praca stanowi obiecujący dowód słuszności koncepcji pokazujący, w jaki sposób sztuczna inteligencja może skutecznie kontrolować reakcje termojądrowe, to tylko jeden z wielu kolejnych kroków już realizowanych w grupie Colemana na rzecz postępu w dziedzinie badań nad syntezą termojądrową.

Pierwszym krokiem jest zdobycie większej ilości dowodów na pracę kontrolera AI w tokamaku DIII-D, a następnie rozbudowa kontrolera do pracy w innych tokamakach.

„Mamy mocne dowody na to, że kontroler działa dobrze w DIII-D, ale potrzebujemy więcej danych, aby wykazać, że może on działać w wielu różnych sytuacjach” – powiedział pierwszy autor Seo. „Chcemy pracować nad czymś bardziej globalnym”.

Drugi kierunek badań polega na rozszerzeniu algorytmu tak, aby obsługiwał wiele różnych problemów sterowania jednocześnie. Chociaż obecny model wykorzystuje ograniczoną liczbę narzędzi diagnostycznych, aby uniknąć jednego konkretnego rodzaju niestabilności, badacze mogą dostarczyć danych na temat innych rodzajów niestabilności i zapewnić dostęp do większej liczby pokręteł umożliwiających regulację kontrolera AI.

„Można sobie wyobrazić jedną dużą funkcję nagrody, obracającą wiele różnych pokręteł, aby jednocześnie kontrolować kilka rodzajów niestabilności” – powiedział współautor. Ricardo Shoushapracownik naukowy ze stopniem doktora w PPPL i były doktorant w grupie Colemana, który zapewnił wsparcie w eksperymentach w DIII-D.

W drodze do opracowania lepszych kontroli AI nad reakcjami termojądrowymi badacze mogą również zyskać lepsze zrozumienie podstawowych fizyki. Badając decyzje kontrolera AI próbującego powstrzymać plazmę, która może radykalnie różnić się od tego, co mogłyby opisywać tradycyjne metody, sztuczna inteligencja może być nie tylko narzędziem do kontrolowania reakcji termojądrowych, ale może również być zasobem edukacyjnym.

„Ostatecznie może to być bardziej jednostronna interakcja między naukowcami opracowującymi i wdrażającymi modele sztucznej inteligencji” – powiedział Coleman. „Badając je bardziej szczegółowo, być może będą mogli nauczyć się pewnych rzeczy również od nas”.

papier, „Unikaj niestabilności tokamaka, korzystając ze sztucznej inteligencjiopublikowano 21 lutego w czasopiśmie Nature. Oprócz Colemina, Seo, Gelfanda, Kim i Shushy współautorami są Rory Conlin, Joseph Abate i Josiah Way z Princeton University, a także Keith Erickson z PPPL.

Prace te były wspierane przez Biuro Naukowe o Energii Termojądrowej Departamentu Energii Stanów Zjednoczonych, a także Koreańską Narodową Fundację Badawczą (NRF). Autorzy potwierdzają także wykorzystanie DIII-D National Fusion Facility, obiektu użytkownika Departamentu Nauki DOE.