Laboratorij Univerze v Rochesteru za Laser Energetics (LLE) je opremljen z Omega Laserjem, vodilno svetovno akademsko lasersko instalacijo. Na prvi pogled je videti kot dovršena marmornata vzletno -pristajalna steza svetlobnih delcev in plazme, ki lahko cepi in ojača žarek, preden ga osredotoči na drobno tarčo. Njegova temeljna naloga je raziskati astrofizične pojave, testiranje materialov pri ekstremnih atomskih pritiskih in delovati za napredovanje motečih raziskav fuzije.
Zahvaljujoč 503 milijonov dolarjev donacije do leta 2024 od nacionalne uprave ameriškega ministrstva za energijo (DOE) je laboratorij Rochester Laser ustvaril idealne pogoje za izvajanje teh kritičnih študij. Laserski laboratorij enkrat mesečno izvaja zapletene fuzijske poskuse, znanstveniki pa imajo približno pet priložnosti za izstrelitev laserjev in beleženje podatkov. Z računalniškimi simulacijami z več fizikami lahko znanstveniki pridobijo globlje razumevanje fuzijske plazme, oblikovanje poskusov in razlagajo rezultate, čeprav te simulacije ne morejo v celoti reproducirati vseh eksperimentalnih podrobnosti.
Eksperiment se je začel s plastično kapsulo, ki vsebuje zamrznjeni devterij-tritij, premera le milimetrov, pri temperaturi 20 stopinj nad absolutno ničlo, "je dejal režiser LLE Christopher Deeney. Nato je v milijardi sekunde kapsula stisnjena na a Premer, manjši od človeškega pramena, in temperatura se dvigne na več kot 30 milijonov stopinj. " Ta proces ne samo, da potrebuje globoko znanje o fiziki, ampak je treba uporabiti tudi napredne diagnostične tehnike, da podrobno merimo vse pojave, ki se pojavljajo v tem trenutku.
Da bi izkoristili bogastvo podatkov, ki jih zbirajo te napredne diagnostične tehnike, in širše pospeševanje raziskav ameriške fuzije, se znanstveniki LLE obračajo na umetno inteligenco (AI) in druge napredne računalniške tehnologije.
LLE že več kot 50 let aktivno promovira in se spopada s temeljnimi izzivi na področju inercialne fuzije zaprte (ICF). ICF je v znanstveni skupnosti splošno priznan kot najbolj obetaven pristop k doseganju nadzorovane termonuklearne fuzije in predstavlja obetavno čisto, obnovljivo energijsko tehnologijo.
Christopher Kanan, izredni profesor računalništva na univerzi v Rochesteru, pojasnjuje: "ICF je v bistvu obratna fizikalna težava, kjer morajo znanstveniki obračunati natančne lastnosti laserja in cilja."
Omega sama ni bila zasnovana za doseganje vžiga, ampak za izboljšanje razumevanja laserske fuzije z neposrednim pogonom. Nacionalni objekt za vžig v Nacionalnem laboratoriju Livermore, ki je 60 -krat bolj energičen kot Omega, je našel rešitev za inverzno fizično težavo in je že dosegel vžig leta 2022. Tako napredek, dosežen pri Omegi, kot dosežka vžiga se zanašata na statistično modeliranje Za zapolnitev vrzeli v našem popolnem razumevanju fizike.
Razlika v znanju, ki obstaja med simulacijami in poskusi, izhaja iz zapletenosti fizike, omejitev meritev in širokega obsega raziskovalnega prizadevanja, ki vključuje jedrsko fiziko, fiziko v plazmi in raziskave znanosti o materialih, ki jih izvajajo v ekstremnih pogojih, ki izzivajo celo najbolj napredne računalniške kode.
Najprej je vprašanje cilja; Poskus se začne z votlo plastično kroglo, ki jo je mogoče postaviti na konico zatiča; Raziskovalci LLE uporabljajo natančna orodja za ustvarjanje krogle in jo napolnijo z vodikovimi izotopi, ki se nato ohladijo na skoraj absolutno ničlo. Postopek zamrzovanja je povzročil, da je vodik v plastični lupini tvoril plast ledu.
Raziskovalna skupina LLE išče način, kako natančno zaznati nianse in vzorce v podatkih kot sredstvo za vodenje računalniških simulacij za natančnejše napovedi. Ta izboljšana napovedna sposobnost bo posledično izpopolnjevala poskuse z fuzijo in spodbudila naslednjo generacijo fuzijskih raziskav in laserske tehnologije.
Umetna inteligenca in zlasti njegovo podvrženo strojno učenje lahko pomaga optimizirati napovedno učinkovitost računalniških kod in izboljšati napovedi z izkušnjami. Strojno učenje ne izvaja samo prediktivne analitike, ampak tudi obdeluje podatke, sklepa odnose in to znanje uporablja za svoje funkcije.
Riccardo Betti, glavni znanstvenik LLE, in profesor Robert L. McCrory na oddelku za strojništvo in oddelku za fiziko in astronomijo na univerzi v Rochesteru, je ugotovil: "Zdaj imamo veliko eksperimentalnih podatkov, ki s pomočjo s pomočjo Strojno učenje se lahko uporabi za popravljanje simulacij in usmerjanje prilagoditev v realnem času poskusom. "
Raziskovalno delo Betti in Kanana temelji na nedavnem napredku generativne umetne inteligence, tehnike AI, ki ustvarja podatke in druge oblike izhoda, kot sta besedilo in video. Raziskovalna skupina Univerze v Rochesterju uporablja te napredne algoritme za reševanje inverznih fizičnih težav za izboljšanje natančnosti simulacij. Program ameriškega ministrstva za energijo Fusion Energy Sciences (FES) je zagotovil skoraj tri milijone dolarjev podpore za financiranje te raziskave, ki naj bi bila končana do leta 2026.
Riccardo Betti je dodal: "Naš cilj je izboljšati napovedi simulacije s pomočjo generativnega AI in natančno sklepati na lastnosti interakcij z laserskimi cilji. Izbiramo moč AI za pospešitev prihodnosti fuzijske tehnologije."
Dr. Varchas Gopalaswamy, znanstvenik iz LLE -jevega teorije in docent za strojništvo, navaja: "Ko zaznamo neskladje med simulacijskimi napovedmi in eksperimentalnimi rezultati, lahko uporabimo strojno učenje za uskladitev obeh." Nadalje pojasnjuje: "Če spremenljive spremembe v poskusu, se lahko simulacija ustrezno odzove? Ali se bo ta odziv odražal v poskusu? To bo potrdilo natančnost naše hipoteze in ugotovil, ali lahko spremenljivko prilagodimo ali ustrezno razvijemo strategijo za ublažitev . " Gopalaswamy je dodal: "Z globljo analizo vzorcev strojnega učenja v podatkih smo lahko oblikovali nove hipoteze, raziskovali različne fizične pojave in oblikovali boljše poskuse."
Gopalaswamy je tudi opozoril: "Eden od izzivov soočanja z ICF je, da so bili fuzijski eksperimentalni podatki, ki smo jih uporabili za treniranje AI Za premostitev vrzeli v znanju.
Ameriško fizično društvo je prepoznalo delo Bettija, Gopalaswamyja in drugih znanstvenikov LLE z nagrado Johna Dawsona za odličnost v raziskavah plazme fizike za njihove pionirske dosežke pri napovedovanju, oblikovanju in analiziranju poskusov implozije s 30 kJ omega laserja.
Raziskave umetne inteligence in strojnega učenja v laboratoriju Rochester Laser so prispevale tudi k številnim odkritjem Dustina Froule, direktorja oddelka za znanost in inženirstvo v plazmi in ultrafast ter njegova ekipa. V svoji karieri sta Froula in njegova ekipa razvila različne tehnike, vključno z eno za merjenje temperature plazme s Thomsonovim razprševanjem in celo razbil novo zemljo v tehnikah "muhastega fokusa" ali nadzoroval intenzivnost laserja na dolge razdalje. In strojno učenje spreminja način oblikovanja eksperimentov, kar nam omogoča, da zgradimo boljše laserje, ko si zamislimo objekte naslednje generacije. "Nadalje pojasnjuje:" Laserji so bili uporabljeni na različne načine. Nadalje pojasnjuje: "Več barv v spektru laserskega žarka bo plazmo pomagalo učinkoviteje širiti skozi žarek, AI pa nam pomaga razumeti kompleksne interakcije med temi različnimi barvami in plazmo."
Nazadnje je Center za raziskave jedrskega fuzije Ministrstva za energijo dal poimenovanje nacionalnega raziskovalnega centra, ki je zasnovan za napredovanje inercialne fuzijske energije (IFE), obetavne tehnologije čiste energije, ki se opira na zlivanje težkih atomov vodika (Devterij in tritij) za proizvodnjo energije.
LLE se je zanašal na interdisciplinarne raziskovalne prednosti univerze v Rochesteru, uspešno je zaposlil več študentov, da bi izboljšali uporabo umetne inteligence in strojnega učenja v konvergentnih raziskavah.
Po besedah Gopalaswamy je "naš cilj navdihniti študente z nenehno strastjo do strojnega učenja, da bi še izboljšali natančnost naših diagnostičnih orodij. Dejansko potrebujemo strokovnjake AI. Vendar je vloga fizikov nujna zagotoviti, da so modeli pravilni in znanstveno zdravo.
Dodal je: "Ko država prehaja na čisto energijo in trajnostno moč, je uporaba AI v raziskavah fuzije obetavna in bi lahko postala nastajajoče področje delovne sile."
Valeri Goncharov, direktorica LLE -jeve teorije in raziskovalne docenta na oddelku za strojništvo, je ugotovila: "Umetna inteligenca je pomembno orodje za vodenje naših raziskav. Z optimizacijo teh orodij lahko izboljšamo naše rezultate raziskav. Medtem ko ta orodja olajšamo raziskave , gonilna sila za inovacije še vedno izhaja iz naše inteligence.
