登Nature,提前300毫秒预测聚变中等离子体「扯破」,普林斯顿团队开发AI管制器

JET 托卡马克装置的内部。(英国原子能管理局)编辑 | 紫罗核聚变被称为人造太阳,其原理和为太阳以及其他恒星供应动力的流程相同,被广泛视为洁净动力的圣杯。但科学家们只实现并维持了几秒钟的核聚变能,还有许多障碍,包括高度复杂流程中的不稳定性。实现聚变能的方法有多种,但最常见的是运用氢变体作为输入燃料,并在称为托卡马克的「甜甜圈形」形状的呆板中将温度提高到极高水平,以产生等离子体,一种类似汤的物质状态。但等离子体需要受到管制,而且极易「扯破」,并逃离呆板设计用来管制等离子体的强大磁场。近日,普林斯顿大学和普林斯顿等离

登Nature,提前300毫秒预测聚变中等离子体「扯破」,普林斯顿团队开发AI管制器

JET 托卡马克装置的内部。(英国原子能管理局)

编辑 | 紫罗

核聚变被称为人造太阳,其原理和为太阳以及其他恒星供应动力的流程相同,被广泛视为洁净动力的圣杯。

但科学家们只实现并维持了几秒钟的核聚变能,还有许多障碍,包括高度复杂流程中的不稳定性。

实现聚变能的方法有多种,但最常见的是运用氢变体作为输入燃料,并在称为托卡马克的「甜甜圈形」形状的呆板中将温度提高到极高水平,以产生等离子体,一种类似汤的物质状态。

但等离子体需要受到管制,而且极易「扯破」,并逃离呆板设计用来管制等离子体的强大磁场。

近日,普林斯顿大学和普林斯顿等离子体物理试验室研讨核聚变能的科学家表达,他们已经找到了一种运用人工智能的方法,预测这些潜伏不稳定性并实时阻止其发生。

研讨人员利用此前开发的多模态动态模型作为加强进修人工智能的训练环境,促进自动化的不稳定预防。

该团队在圣地亚哥的 DIII-D 国家聚变设施进行了试验,发现他们的人工智能管制器可以提前 300 毫秒预测潜伏的等离子体扯破。如果没有这种干预,聚变反应就会突然结束。

普林斯顿大学发言人表达:「这些试验为运用人工智能解决广泛的等离子体不稳定性问题奠定了基础,这些不稳定性长期以来阻碍了聚变能的发展。」

普林斯顿大学机械与航空航天工程教授、该研讨的作者之一 Egemen Kolemen 表达,这些发现「绝对」是核聚变向前迈出的一步。

Kolemen 表达:「这是最大的障碍之一——中断——你希望任何反应堆都能全天候(24/7)运转多年,不会出现任何问题。这些类型的中断和不稳定会带来很大的问题,因此开发这样的解决方案增强了他们的信心,让他们相信我们可以毫无问题地运转这些呆板。」

相关研讨以《Avoiding fusion plasma tearing instability with deep reinforcement learning》为题,于 2024 年 2 月 21 日发布在《Nature》上。

登Nature,提前300毫秒预测聚变中等离子体「扯破」,普林斯顿团队开发AI管制器

论文链接:https://www.nature.com/articles/s41586-024-07024-9

聚变能:洁净动力的圣杯

聚变能是为太阳和其他恒星供应动力的流程,几十年来专家们一直在努力在地球上掌握它。当两个通常相互排斥的原子被迫融合在一起时,就会实现这一点。它与当今广泛运用的核裂变相反,核裂变依赖于原子分裂。

本月早些时候,英国牛津市附近的科学家和工程师创造了新的核聚变能量记录,仅运用 0.2 毫克燃料即可维持 69 兆焦耳的聚变能量 5 秒。这足以为大约 1.2 万户家庭供应相同时间的电力。这刷新了核聚变动力纪录,使这种洁净、未来的动力离现实又近了一步。

但该试验输入的能量仍然多于产生的能量。然而,加利福尼亚州的另一个团队在 2022 年 12 月成功地通过称为「点火」的流程产生了净量的聚变能。此后他们已经重复点火了三次。

尽管取得了令人鼓舞的进展,但聚变动力距离商业化还有很长的路要走,远远超出了为幸免气候危机恶化而需要深入、持续地减少地球变暖污染的时间。

AI 防扯破零碎

普林斯顿大学团队开发了一种人工智能管制器,可以根据观察到的等离子体轮廓自适应地管制执行器,在保持低扯破性的同时追求高等离子体压力。该防扯破零碎的整体架构如下图所示。

登Nature,提前300毫秒预测聚变中等离子体「扯破」,普林斯顿团队开发AI管制器

图 1:DIII-D 托卡马克防扯破零碎的总体架构。(来源:论文)

基于人工智能的扯破幸免零碎主动管制光束功率和等离子体三角度,以将未来扯破不稳定发生的可能性保持在较低水平。这使得在 DIII-D 中的 low-q95 和低扭矩条件下将扯破性保持在阈值以下。

此外,管制器不仅在 ITER 基线条件等特定试验条件下,而且在其他操作环境甚至意外情况下,都证明了能够稳健地幸免扯破不稳定性。

研讨人员表达,该研讨是运用加强进修幸免扯破的概念验证研讨,仍处于微调的早期阶段。对于更有用的利用,还需要进一步的试验和微调。

尽管如此,该研讨证明了加强进修可以利用于核心等离子体物理的实时管制。

这次演示是融合领域呆板进修能力的成功扩展,为未来托卡马克装置中高性能运转场景的集成管制开发供应了见解和途径,超越了单一的不稳定性管制。

该研讨开发的扯破幸免管制还有进一步的潜伏利用。

参考内容:https://edition.cnn.com/2024/02/21/climate/nuclear-fusion-ai-climate-solution/index.html

https://edition.cnn.com/2022/02/09/uk/nuclear-fusion-climate-energy-scn-intl/index.html

给TA打赏
共{{data.count}}人
人已打赏
理论

受 ChatGPT 启发,分离 Transformer 和 RL-MCTS 进行从头药物安排

2024-2-22 14:14:00

理论

解开化学言语模型中的「黑匣子」,Transformer可快速进修份子的部份布局,但手性进修困难

2024-2-26 16:42:00

0 条回复 A文章作者 M管理员
    暂无讨论,说说你的看法吧
个人中心
今日签到
搜索