一個國際科學家小組由一名研究生在美國能源部(DOE)普林斯頓等離子體物理實驗室(PPPL)演示了使用人工智慧(AI),相同的計算概念,將使自動駕駛汽車,來預測和避免disruptions-the突然釋放的能量存儲在等離子體燃料的聚變反應,可以停止反應和嚴重損害融合設施。
中斷的風險
研究人員的目標是在地球上最大限度地創造為太陽和恆星提供能量的核聚變設備,但由於這些設備的運行極限不足,被稱為託卡馬克的核聚變設備運行中斷的風險加大。因此,科學家必須能夠在不觸及這些極限的情況下提高核聚變能量。這種能力對ITER至關重要,它是在法國建造的大型國際託卡馬克,以展示聚變能源的實用性。
核聚變反應將輕元素以等離子體的形式結合在一起,產生大量的能量。等離子體是由自由電子和原子核組成的熱的帶電物質,這些原子核構成了可見宇宙的99%。世界各地的科學家都在尋求創造核聚變,以一種幾乎取之不盡的安全和清潔能源來發電。
研究人員根據通用原子公司(General Atomics)為美國能源部(DOE)運作的DIII-D國家核聚變設施的數千次實驗,訓練了一套人工智慧機器學習算法或規則。然後,科學家們將這些規則實時應用到正在進行的幹擾試驗中,發現該算法能夠預測幹擾發生的可能性,並啟動防止幹擾發生的行動。
相對簡單的模型
「這是有趣地看到,一個相對簡單的機器學習模型可以準確預測聚變等離子體的複雜行為,」傅一塵說,普林斯頓大學的研究生項目在等離子體物理PPPL一篇論文的主要作者描述等離子體物理學的研究和展示了美國物理研究所發表名為「SciLight。」PPPL物理學家、普林斯頓大學機械和航空航天工程助理教授埃格門·科勒曼說:「很高興看到學生們領導著多機構的團隊,對控制聚變等離子體的機器學習方法的發展產生了真正的影響。」
PPPL ITER和託卡馬克部門的負責人,物理學家Raffi Nazikian說,這個結果標誌著在防止ITER和下一代設施中斷方面又邁出了一步。Nazikian說:「這項工作代表了利用機器學習開發聚變設備中斷預測和避免方法的重大進展。」「然而,仍需要大量的研發工作,以提高預測的準確性,並開發故障安全控制方法,以避免ITER和未來的反應堆中斷。」