Laboratoř University of Rochester's Laboratory for Laser Energetics (LLE) je vybavena Omega Laserem, přední akademickou laserovou instalací na světě. Na první pohled to vypadá jako komplikovaná mramorová dráha světelných částic a plazmy, která je schopna rozdělit a zesilovat paprsek, než jej zaostřuje na malý cíl kříže. Jejím hlavním posláním je prozkoumat astrofyzikální jevy, testovací materiály při extrémním tlaku v atomovém měřítku a usilovat o pokrok v rušivém výzkumu fúze.
Díky grantům 503 milionů USD do roku 2024 od Národní správy jaderné bezpečnosti USA (DOE) americké laserové laboratoře vytvořila ideální podmínky pro provádění těchto kritických studií. Laserová laboratoř provádí komplexní experimenty s fúzí jednou za měsíc a vědci mají asi pět příležitostí k vystřelení laserů a zaznamenávání dat. Prostřednictvím simulací počítače s více než fyzikou jsou vědci schopni získat hlubší pochopení fúzní plazmy, návrhu experimentů a interpretovat výsledky, i když tyto simulace nemohou plně reprodukovat všechny experimentální detaily.
Experiment začal plastovou kapsle obsahující zmrazené deuterium-tritium, jen průměrem milimetrů, při teplotě 20 stupňů nad absolutní nulou, “řekl ředitel LLE Christopher Deeney. Poté za miliardu sekundy je kapslí komprimována na a průměr menší než pramen lidských vlasů a teplota stoupá na více než 30 milionů stupňů. “ Tento proces nejen vyžaduje hlubokou znalost fyziky, ale také pro podrobné měření všech jevů, které se vyskytují v tomto okamžiku, musí být také použity pokročilé diagnostické techniky.
Aby se využili bohatství údajů shromážděných těmito pokročilými diagnostickými technikami a urychlili američtější výzkum fúzního výzkumu, vědci LLE se obracejí na umělou inteligenci (AI) a další pokročilé výpočetní technologie.
Již více než 50 let LLE aktivně propaguje a řeší hlavní výzvy v oblasti fúze inerciálního uvěznění (ICF). ICF je ve vědecké komunitě široce uznáván jako nejslibnější přístup k dosažení kontrolované termonukleární fúze a představuje slibnou čistou technologii obnovitelné energie.
Christopher Kanan, docent informatiky na University of Rochester, vysvětluje: „ICF je v podstatě inverzní fyzikální problém, kde vědci potřebují inverzní přesné vlastnosti laseru a cíle.“
Samotná Omega nebyla navržena tak, aby dosáhla zapalování, ale pro posílení porozumění fúzi s přímým pohonem s laserem. Národní zapalovací zařízení v Livermore National Laboratory, která je 60krát energičtější než Omega, našel řešení problému inverzní fyziky a již v roce 2022 dosáhl zapalování. Jak pokrok dosažený v Omega, tak úspěch zapalování spoléhají na statistické modelování zaplnit mezery v našem úplném chápání fyziky.
Mezera znalostí, která existuje mezi simulacemi a experimenty, pramení ze složitosti fyziky, omezení měření a širokého rozsahu výzkumného úsilí, které zahrnuje jadernou fyziku, fyziku plazmy a výzkum věd o materiálech prováděných za extrémních podmínek, které zpochybňují dokonce dokonce nejpokročilejší počítačové kódy.
Nejprve je tu otázka cíle; Experiment začíná dutá plastová koule, kterou lze umístit na špičku špendlíku; Výzkumníci LLE používají k vytvoření sféry a vyplňují je izotopy vodíku, které jsou poté ochlazeny na téměř absolutní nulu. Proces mrazu způsobil, že vodík vytvořil vrstvu ledu uvnitř plastové skořepiny.
Výzkumný tým LLE hledá způsob, jak přesně detekovat nuance a vzorce v datech jako prostředek k vedení počítačových simulací k vytvoření přesnějších předpovědí. Tato zlepšená prediktivní schopnost zase zdokonalí experimenty fúze a povede příští generaci fúzního výzkumu a laserové technologie.
Umělá inteligence, a zejména její strojové učení subfieldu, může pomoci optimalizovat prediktivní účinnost počítačových kódů a zlepšit předpovědi prostřednictvím zkušeností. Strojové učení provádí nejen prediktivní analytiku, ale také zpracovává data, vyskytuje vztahy a aplikuje tyto znalosti na své funkce.
Riccardo Betti, hlavní vědec LLE a profesor Robert L. McCrory na Katedře strojního inženýrství a na ministerstvu fyziky a astronomie na University of Rochester, poznamenal: „Nyní máme velké množství experimentálních údajů, které s pomocí pomoci máme s pomocí pomoci. strojové učení lze použít k opravě simulací a vedení úprav v reálném čase k experimentům. “
Výzkumné práce Betti a Kanana jsou založeny na nedávném pokroku v generativní umělé inteligenci, techniky AI, která generuje data a další formy výstupu, jako je text a video. Výzkumný tým University of Rochester využívá tyto pokročilé algoritmy k řešení inverzních fyzikálních problémů ke zlepšení přesnosti simulací. Program Fusion Energy Sciences (FES) amerického ministerstva energetiky (FES) poskytl pro tento výzkum téměř 3 miliony dolarů na podporu financování, který by měl být dokončen do roku 2026.
Riccardo Betti dodal: „Naším cílem je zlepšit simulační předpovědi pomocí generativní AI a přesně odvodit vlastnosti interakcí laserově cíle. Využíváme sílu AI k urychlení budoucnosti fúzní technologie.“
Dr. Varchas Gopalaswamy, vědec v teoretickém oddělení LLE a docent mechanického inženýrství, uvádí: „Jakmile vnímáme nesoulad mezi simulačními předpovědi a experimentálními výsledky, jsme schopni použít strojové učení, aby tyto dva.“ Dále vysvětluje: „Pokud se změní proměnná v experimentu, může simulace odpovídajícím způsobem reagovat? Tato reakce se odráží v experimentu? Tím se ověří přesnost naší hypotézy a určí, zda můžeme podle toho upravit nebo vyvinout strategii zmírňování, nebo vyvinout strategii zmírňování. “ Gopalaswamy dodal: „S hlubší analýzou vzorů strojového učení v datech jsme byli schopni formulovat nové hypotézy, prozkoumat různé fyzikální jevy a navrhovat lepší experimenty.“
Gopalaswamy také poznamenal: „Jednou z výzev konfrontace s ICF je to, že experimentální data fúze, která jsme použili k tréninku AI, byla relativně omezená ve srovnání s obrovskou databází obrázků koček. V tomto případě je obzvláště náročné využívat dostupná empirická data K překlenutí mezery znalostí. To je přesně důvod, proč potřebujeme robustní systém pro integraci teoretických znalostí s experimentální realitou, aby nám pomohl přijímat informovanější rozhodnutí. “
Americká fyzická společnost uznala práci Betti, Gopalaswamy a dalších vědců LLE s cenou John Dawson Award za dokonalost v plazmatické fyzice výzkumu za jejich průkopnické úspěchy při předpovídání, navrhování a analýze experimentů s implozi s laserem 30 kJ Omega.
Umělá inteligence a výzkum strojového učení v Lasester Laser Laboratory také přispěly k řadě objevů Dustin Froula, ředitele plazmatické a ultrarychlé laserové vědy a inženýrské divize a jeho týmu. V průběhu své kariéry si Froula a jeho tým vyvinuli řadu technik, včetně jednoho pro měření teploty plazmy Thomsonovým rozptylem, a dokonce zlomili novou půdu v technikách „Fly-Focus“ nebo ovládat laserovou intenzitu na velké vzdálenosti. A strojové učení revolucionizuje způsob, jakým navrhujeme experimenty, což nám umožňuje vytvářet lepší lasery, jak si představujeme zařízení nové generace. “Dále vysvětluje:„ Lasery byly použity různými způsoby. Dále vysvětluje: „Více barev ve spektru laserového paprsku pomůže efektivněji šířit plazma a AI nám pomůže pochopit složité interakce mezi těmito různými barvami a plazmou.“
Konečně, Centrum pro výzkum jaderné fúze ministerstva energetiky poskytlo LLE označení národního výzkumného střediska určeného k posílení inerciální fúzní energie (IFE), slibné technologie čisté energie, která se spoléhá na fúzi atomů těžkého vodíku (deuterium a tritium) produkovat energii.
Spoléhající se na interdisciplinární výzkumné síly University of Rochester a LLE úspěšně najala několik studentů, aby posílila aplikaci umělé inteligence a strojového učení v konvergentním výzkumu.
Podle Gopalaswamy: „Naším cílem je inspirovat studenty s pokračující vášní pro strojové učení, aby se dále zvyšovala přesnost našich diagnostických nástrojů. Opravdu potřebujeme odborníky na AI. Úloha fyziků je však nezbytná k zajištění správných modelů A vědecky znějí.
Dodal: „Jak národ přechází na čistou energii a udržitelnou sílu, aplikace AI ve výzkumu fúzního výzkumu je slibná a mohla by se stát rozvíjející se oblastí pracovní síly.“
Valeri Goncharov, ředitelka teorie LLE a profesora výzkumu na Katedře strojního inženýrství, poznamenal: „Umělá inteligence je důležitým nástrojem pro vedení našeho výzkumu. Optimalizací těchto nástrojů můžeme zvýšit naše výsledky výzkumu. Zatímco tyto nástroje usnadňují výzkum. , hnací síla pro inovace stále pramení z naší inteligence.
