Laboratorij za lasersku energiju (LLE) Sveučilišta u Rochesteru opremljen je Omega laserom, vodećom svjetskim akademskim laserskim instalacijama. Na prvi pogled izgleda kao složena mramorna pista svjetlosnih čestica i plazme, koja se može podijeliti i pojačati gredu prije nego što je usredotočimo na sićušnu metu u križanju. Njegova je temeljna misija istražiti astrofizičke pojave, testirati materijale na ekstremnim pritiscima atomske razmjere i raditi na unapređenju razornih fuzijskih istraživanja.
Zahvaljujući dodjeli 503 milijuna dolara do 2024. godine Nacionalne uprave za nuklearnu sigurnost Ministarstva energetike SAD -a (DOE), Laserski laboratorij Rochester stvorio je idealne uvjete za provođenje ovih kritičkih studija. Laserski laboratorij provodi složene fuzijske eksperimente jednom mjesečno, a znanstvenici imaju oko pet prilika za ispaljivanje lasera i snimanje podataka. Kroz računalne simulacije s više fizike, znanstvenici su u stanju steći dublje razumijevanje fuzijske plazme, dizajnirati eksperimente i tumačiti rezultate, iako ove simulacije ne mogu u potpunosti reproducirati sve eksperimentalne detalje.
Eksperiment je započeo s plastičnom kapsulom koja sadrži smrznute deuterij-tritij, promjera samo milimetra, na temperaturi od 20 stupnjeva iznad apsolutne nule ", rekao je direktor LLE Christopher Deeney. Zatim je u milijardu sekunde, kapsula komprimirana na a Promjer manji od ljudskog niza kose, a temperatura se povećava na preko 30 milijuna stupnjeva. " Ne samo da ovaj postupak zahtijeva duboko poznavanje fizike, već se moraju koristiti i napredne dijagnostičke tehnike za detaljno mjerenje svih pojava koje se događaju u ovom trenutku.
Kako bi iskoristili bogatstvo podataka prikupljenih ovim naprednim dijagnostičkim tehnikama i ubrzali američko istraživanje fuzije šire, znanstvenici LLE okreću se umjetnoj inteligenciji (AI) i drugim naprednim računalnim tehnologijama.
Već više od 50 godina LLE aktivno promovira i bavi se temeljnim izazovima u području inercijalne fuzije zatvora (ICF). ICF je u znanstvenoj zajednici široko prepoznat kao najperspektivniji pristup postizanju kontrolirane termonuklearne fuzije i predstavlja obećavajuću čistu tehnologiju obnovljivih izvora energije.
Christopher Kanan, izvanredni profesor informatike na Sveučilištu u Rochesteru, objašnjava: "ICF je u osnovi inverzni fizički problem, gdje znanstvenici trebaju obrnuti svojstva lasera i cilja."
Sama Omega nije bila osmišljena za postizanje paljenja, već za unapređenje razumijevanja laserske fuzije izravnog pogona. Nacionalno postrojenje za paljenje u Nacionalnom laboratoriju Livermore, koji je 60 puta energičniji od Omega, otkrio je rješenje za inverzni problem fizike i već je postigao paljenje 2022. godine. I napredak postignut u Omegi i postizanje paljenja oslanja se na statističko modeliranje Da bismo popunili praznine u našem potpunom razumijevanju fizike.
Jaz u znanju koji postoji između simulacija i eksperimenata proizlazi iz složenosti fizike, ograničenja mjerenja i širokog opsega istraživačkog napora, što uključuje i nuklearnu fiziku, fiziku plazme i istraživanje znanosti o materijalima provedenim u ekstremnim uvjetima koji izazivaju čak i čak najnapredniji računalni kodovi.
Prvo, postavlja se pitanje cilja; Eksperiment započinje sa šupljom plastičnom sferom koja se može postaviti na vrh igle; Istraživači LLE koriste precizne alate za stvaranje sfere i ispunjavaju je izotopima vodika, koji se zatim hlade na gotovo apsolutnu nulu. Proces zamrzavanja uzrokovao je da vodik formira sloj leda unutar plastične školjke.
Istraživački tim LLE -a traži način da precizno otkrije nijanse i obrasce u podacima kao sredstvo vođenja računalnih simulacija za izradu preciznijih predviđanja. Ova poboljšana prediktivna sposobnost zauzvrat će usavršavati eksperimente fuzije i pokrenuti sljedeću generaciju Fusion Research i laserske tehnologije.
Umjetna inteligencija, a posebno njezino podložno strojno učenje, može pomoći u optimiziranju prediktivne učinkovitosti računalnih kodova i poboljšati predviđanja kroz iskustvo. Strojno učenje ne samo da obavlja prediktivnu analitiku, već i obrađuje podatke, informira odnose i primjenjuje to znanje na svoje funkcije.
Riccardo Betti, glavni znanstvenik LLE -a i profesor Roberta L. McCroryja na Odjelu za strojarstvo i Odjel za fiziku i astronomiju na Sveučilištu u Rochesteru, napomenuo je: "Sada imamo veliku količinu eksperimentalnih podataka koji su, uz pomoć Strojno učenje, može se koristiti za ispravljanje simulacija i usmjeravanje prilagođavanja u stvarnom vremenu eksperimenata. "
Betti i Kananov istraživački rad temelji se na nedavnom napretku u generativnoj umjetnoj inteligenciji, AI tehnici koja generira podatke i druge oblike izlaza, poput teksta i videa. Istraživački tim Sveučilišta u Rochesteru koristi ove napredne algoritme za rješavanje inverznih fizičkih problema kako bi se poboljšala točnost simulacija. Program Fusion Energy Sciences Ministarstva energetike (FES) pružio je gotovo tri milijuna dolara financijske potpore za ovo istraživanje, što se očekuje da će biti završeno do 2026. godine.
Riccardo Betti je dodao: "Naš je cilj poboljšati predviđanja simulacije uz pomoć generativnog AI i točno zaključiti svojstva interakcija laserskog cilja. Koristimo snagu AI-ja da ubrzamo budućnost tehnologije fuzije."
Dr. Varchas Gopalaswamy, znanstvenik u LLE -ovom odjelu teorije i docent strojarstva, kaže: "Jednom kada opazimo odstupanje između predviđanja simulacije i eksperimentalnih rezultata, u mogućnosti smo primijeniti strojno učenje kako bismo uskladili to dvoje." Nadalje objašnjava: "Ako se varijabla promijeni u eksperimentu, može li simulacija u skladu s tim odgovoriti? Hoće li se taj odgovor odraziti u eksperimentu? To će potvrditi točnost naše hipoteze i utvrditi možemo li prilagoditi varijablu ili razviti strategiju ublažavanja u skladu s tim . " Gopalaswamy je dodao: "S dubljom analizom obrazaca u podacima, uspjeli smo formulirati nove hipoteze, istražiti različite fizičke pojave i dizajnirati bolje eksperimente."
Gopalaswamy je također napomenuo: "Jedan od izazova suočavanja s ICF -om je taj što su eksperimentalni podaci Fusion koji smo koristili za obuku AI relativno ograničeni u usporedbi s ogromnom bazom podataka o mačjim slikama. U ovom je slučaju posebno izazovno koristiti dostupne empirijske podatke Da bismo premostili jaz znanja.
Američko fizičko društvo prepoznalo je rad Bettija, Gopalaswamyja i drugih znanstvenika LLE -a s nagradom John Dawson za izvrsnost u istraživanju fizike u plazmi za njihova pionirska postignuća u predviđanju, dizajniranju i analiziranju eksperimenata implozije s laserom od 30 KJ Omega.
Istraživanje umjetne inteligencije i strojnog učenja u laserskom laseru Rochester također je pridonijelo brojnim otkrićima Dustina Froula, direktora odjela za lasersku znanost i inženjerstvo u plazmi i ultrafaznom laseru i njegovom timu. Tijekom karijere, Froula i njegov tim razvili su razne tehnike, uključujući i jednu za mjerenje temperature u plazmi kroz Thomson rasipanje, a čak su i razbili novo tlo u tehnikama "fokusiranja muha" ili kontrolirajući intenzitet lasera na dugim udaljenostima. A strojno učenje revolucionira način na koji dizajniramo eksperimente, omogućujući nam da izgradimo bolje lasere dok zamišljamo objekte sljedeće generacije. "Nadalje objašnjava:" Laseri su korišteni na različite načine. Nadalje objašnjava: "Više boja u spektru laserskog snopa pomoći će plazmi da se efikasnije širi kroz gredu, a AI nam pomaže razumjeti složene interakcije između tih različitih boja i plazme."
Konačno, Centar za istraživanje nuklearne fuzije Odjela za nuklearnu fuziju dao je imenovanje Nacionalnog istraživačkog centra namijenjenog napredovanju inercijalne fuzijske energije (IFE), obećavajuće tehnologije čiste energije koja se oslanja na fuziju atoma teške vodikove (deuterium i tritium) proizvoditi energiju.
Oslanjajući se na interdisciplinarne istraživačke snage Sveučilišta u Rochesteru, LLE je uspješno zaposlio nekoliko studenata kako bi poboljšao primjenu umjetne inteligencije i strojnog učenja u konvergentnim istraživanjima.
Prema Gopalaswamyju, "Naš je cilj potaknuti studente kontinuiranom strašću prema strojnom učenju kako bi dodatno poboljšali točnost naših dijagnostičkih alata. Doista, potrebni su nam stručnjaci za AI. Međutim, uloga fizičara je neophodna kako bismo osigurali da su modeli ispravni i znanstveno zdravo.
Dodao je: "Kako nacija prelazi na čistu energiju i održivu moć, primjena AI u Fusion Research obećava i mogla bi postati polje radne snage u nastajanju."
Valeri Goncharov, direktor LLE -ove teorijske podjele i docent istraživanja na Odjelu za strojarstvo, napomenuo je: "Umjetna inteligencija važan je alat za vođenje našeg istraživanja. Optimiziranjem ovih alata možemo poboljšati naše rezultate istraživanja. Iako ovi alati olakšavaju istraživanje istraživanja , pokretačka snaga za inovacije i dalje proizlazi iz naše inteligencije.
