日期:2022/09/17 IAE
哈佛大學和普林斯頓大學的科學家在核融合聚變能方面取得了人工智能突破
Harvard, Princeton scientists make AI breakthrough for fusion energy
在通過核聚變尋求清潔、無限能源的過程中，科學家們使用“深度學習”人工智能來預測破壞性破壞
BY Mary Bergman
“當聚變實驗中的等離子體變得不穩定時，它可能會逃脫限制並接觸機器壁，造成嚴重損壞，有時甚至會熔化或汽化組件，”物理學博士生、物理學博士 Julian Kates-Harbeck 說。能源部 (DOE) 計算科學研究生研究員。“如果你能預測這些逃逸或‘干擾’，你就可以減輕它們的影響並建立安全協議，可以溫和地冷卻等離子體並防止它損壞機器。”
在《自然》雜誌上發表並由美國能源部普林斯頓等離子體物理實驗室 (PPPL) 領導的一項新研究中，Kates-Harbeck 和他的同事創建了一個“深度學習”人工智能 (AI) 代碼，以成功預測聚變反應堆的中斷。跨機器應用，使其成為國際聚變能源倡議向前邁出的重要一步。
他們來得越難，跌得越慘
在太陽中，較輕的元素以極熱等離子體的形式融合成較重的元素，從而產生能量、磁場。
凱特斯-哈貝克說：“該領域的一些最大的核聚變機器——數百噸實心鋼——可以在中斷發生時在空中跳躍一厘米。你真的不希望這種情況發生。”
中斷預測很關鍵，因為機器越大，中斷越大。在法國目前正在建設的 250 億美元的 Iter 託卡馬克裝置中，預計中斷將很嚴重：該機器的體積和能量是歐洲聯合體的 8 倍以上Torus (JET)，下一個最大的磁約束等離子體物理實驗，並且捕獲它的表面積更小。
Kates-Harbeck 說：“我們還沒有完全避免這些破壞事件的好策略。”例如，通過注入中性氣體在等離子體撞到牆壁之前冷卻它。但是如果你無法減輕任何事情，如果你不知道它來了。”
Kates-Harbeck 通過他的 DOE 獎學金在普林斯頓大學工作了一個夏天。在那裡，他與 PPPL 的首席研究物理學家、普林斯頓大學天體物理科學系教授、該研究的資深作者 Bill Tang 合作。開始一個使用機器學習來解決中斷預測的新項目。對於 Kates-Harbeck 來說，這是完美的組合。
他說：“我的背景是物理學和人工智能，因此能夠在解決像聚變能這樣有意義的問題時將兩者結合起來——這是我一直想研究的主題——就像中了大獎一樣。”使用經典機器學習多年來，我一直在研究中斷預測，但我剛從我的 [計算機科學] 碩士課程中走出來，對將深度學習應用於這個問題感到非常興奮。比爾非常開放並支持這個想法，這就是我們開始的方式。 ”
唐將人工智能稱為“目前最引人入勝的科學發展領域”，並說，“將它與聚變科學結合起來非常令人興奮。我們已經加快了以高精度預測清潔聚變最危險挑戰的能力能量。”
深度學習人工智能
機器學習需要經過訓練才能學習。為了訓練他們的代碼，該團隊使用了來自過去實驗的大量、不同的測量數據流。他們的新算法，融合遞歸神經網絡 (FRNN)，在數據中搜索模式FRNN 學習了這些模式，從而可以進行中斷預測。
這不是第一個將 AI 應用於中斷預測的研究，但 FRNN 是基於深度學習的，這產生了所有的差異。深度學習是 AI 中的一個獨特領域，可以處理比其他方法更多的複雜性。
“經典機器學習擅長分析簡單的數據來源，例如等離子體中的平均密度或電流，”Kates-Harbeck 說，“但我們可以訪問更複雜的數據，例如電子溫度作為“等離子中半徑的函數。這是高維數據，你需要深度學習才能理解它。”
高維數據可能包含更多關於等離子體中正在發生的事情的信息。
給定足夠的數據，深度學習具有很強的泛化能力；也就是說，它在一種結構中學到的東西可以應用於另一種結構。泛化對於融合預測至關重要，因為在大型機器中破壞會變得更糟。
擴大
Iter 核聚變實驗是 35 個國家之間的合作。在接下來的幾十年裡，科學家們相信反應堆中的等離子體將遠遠超過能量平衡點——當它釋放至少與加熱所需的能量一樣多的時刻它。
Kates-Harbeck 說，在 23,000 噸和 1.5 億攝氏度的溫度下，“Iter 將變得如此龐大和強大，以至於它在其整個生命週期內只能承受少量的中斷。”訓練機器學習算法。為什麼我們需要在一台能夠承受中斷的機器上進行訓練，並在另一台機器上測試預測器。”
該研究的數據由兩個設施提供：DIII-D National Fusion Facility，由 General Atomics 為加利福尼亞州的 DOE 運營，以及由 EUROfusion 聯盟管理的英國 JET。較小的 DIII-D 能夠推廣到更大、更強大的 JET。
PPPL 主任史蒂夫·考利 (Steve Cowley) 說：“這項研究為為地球帶來無限能量的努力開啟了一個充滿希望的新篇章。”“人工智能正在科學領域爆炸式增長，現在它開始為全球尋求聚變能做出貢獻。”
“這是非常令人興奮的第一步，”Kates-Harbeck 說，“但當然，簡單地減輕即將到來的干擾是一種相當粗略的方法。託卡馬克。最終目標是學習如何調整等離子體以避免一開始就受到干擾地方。”
對這項工作的支持來自美國能源部科學和國家核安全管理局辦公室能源計算科學研究生獎學金計劃、普林斯頓大學計算科學與工程研究所以及 PPPL 提供的實驗室指導研究和開發基金。
來源文章：Kates-Harbeck J, et al. (2019)。通過深度學習預測受控聚變等離子體中的破壞性不穩定性。
“When the plasma in a fusion experiment becomes unstable, it can escape confinement and touch the wall of the machine, causing severe damage and sometimes even melting or vaporizing components,” said Julian Kates-Harbeck, a physics Ph.D. student and a Department of Energy (DOE) Computational Science Graduate Fellow. “If you could predict those escapes, or ‘disruptions,’ you could mitigate their effects and build in safety protocols that would cool the plasma down gently and keep it from damaging the machine.”
In a new study published in Nature and led by the U.S. DOE’s Princeton Plasma Physics Laboratory (PPPL), Kates-Harbeck and his colleagues created a “deep learning” artificial intelligence (AI) code to successfully forecast disruptions in fusion reactors. The new method’s predictions can be applied across machines, making it a major step forward for international fusion energy initiatives.
The harder they come, the harder they fall
In the sun, lighter elements are fused into heavier ones in the form of intensely hot plasma, which generates energy. To re-create fusion, scientists use a tokamak: a building-sized, donut-shaped machine that contains hot plasma using a powerful magnetic field.
“Some of the biggest nuclear fusion machines in the field — hundreds of tons of solid steel — can jump a centimeter up in the air when a disruption happens,” said Kates-Harbeck. “That gives you an idea how much power is released. You really don’t want this to happen.”
Disruption prediction is critical, because the bigger the machine, the bigger the disruption. In the $25 billion Iter tokamak currently under construction in France, disruptions are expected to be severe: The machine has more than eight times the volume and energy of the Joint European Torus (JET), the next-largest magnetically confined plasma physics experiment in operation, and less surface area to capture it.
“We don’t have good strategies for completely avoiding these disruption events yet,” said Kates-Harbeck. “The best thing we can do is to predict when they are going to happen so we can avoid most of their adverse effects. That might be, for example, by injecting neutral gas that cools the plasma before it smashes into the wall. But you can’t mitigate anything if you don’t know it’s coming.”
IAE全球量子核融合 〔Quantum nuclear fusion〕產學中心
（↑詳細內容 敬請點入）
1.『全球核融合綠色永續基金』〔GGSF〕甄選ESG管理師 （↑詳細內容 敬請點入）
2.共融全球慈善經濟使命「全球綠色永續新能源基金」推動聯合國（U.N.）永續發展目標高階人才甄選 （↑詳細內容 敬請點入）
3.參與「量子核融合（Fusion）+數位國家寶藏幣（NATS）金融資產」模式共融聯合國（UN）ESG永續綠色地球目標！(僅20名種子導師名額）！ （↑詳細內容 敬請點入）
4.全球Top1核融合Fusion創新IP市場成果！ 申請加入『甄選』IAE全球核融合Fusion產學研聯盟（亞洲首次） （↑詳細內容 敬請點入）
5.亞洲獨一 『量子核融合Fusion（小太陽）』應用工程師（全球中高階儲備人才） 培訓養成班〔假日Free輔導〕 甄選20名線上報名開始！ （↑詳細內容 敬請點入）
Why The Sun Keeps Shining: Fusion and Quantum Tunnelling｜｜為什麼太陽一直閃耀：聚變和量子