Algoritme til forudsigelse af planeters baner kan være nøglen til en uendelig energiforsyning

En computeralgoritme udviklet af en forsker ved U.S. Department of Energys (DOE) Princeton Plasma Physics Laboratory (PPPL) kan nøjagtigt forudsige banen af planeter i solsystemet. Den afhænger af kunstig intelligens (AI) til at udvikle forudsigelser baseret på tidligere erfaringer.

Nu bliver grundlaget for denne algoritme tilpasset i andre domæner, specifikt i forhold til at forudsige og kontrollere plasma i fusionsanlæg. Disse anlæg kan høste fusionsenergi, som driver solen og stjernerne, på Jorden.

Hong Qin er en PPPL-fysiker og forfatter til artiklen, der er offentliggjort i Scientific Reports.

“Normalt i fysik observerer man, skaber en teori baseret på disse observationer og bruger derefter denne teori til at forudsige nye observationer,” sagde Qin. “Det, jeg gør, er at erstatte denne proces med en type sort boks, der kan producere nøjagtige forudsigelser uden at bruge en traditionel teori eller lov.”

Computerprogrammet

Computerprogrammet, der er udviklet af Qin, afhænger af data fra tidligere observationer om banerne for Jorden, Mars, Merkur, Venus, Jupiter og dværgplaneten Ceres. Sammen med en “serveralgoritme” kan nøjagtige forudsigelser af banerne for andre planeter laves, uden at bruge Newtons love om bevægelse og tyngdekraft.

“Essentieligt har jeg omgået alle de grundlæggende ingredienser i fysikken. Jeg går direkte fra data til data,” sagde Qin. “Der er ingen lov om fysik i midten.”

Joshua Burby er en fysiker ved DOE’s Los Alamos National Laboratory. Han fik en Ph.D. under Qin.

“Hong lærte programmet den underliggende princip, der bruges af naturen til at bestemme dynamikken af ethvert fysisk system,” sagde Burby. “Udbyttet er, at netværket lærer love om planetbevægelse efter at have set meget få trænings eksempler. Med andre ord, hans kode lærer virkelig love om fysik.”

Fusionsforsøg

Disse principper og teorier bliver nu tilpasset af Qi og Eric Palmerduca, der er en ph.d.-studerende i Princeton Universitys program i plasmafysik. Parret forsøger at bruge dem til at forudsige opførslen af plasma-partikler i fusionsforsøg, der finder sted over hele verden.

Fusion er kombination af lette grundstoffer i form af plasma, og det er kraften bag stjernerne og solen. Plasma repræsenterer 99% af det synlige univers og har potentialet til at producere massive mængder energi. Hvis videnskabsmænd kan genskabe fusion på Jorden, ville det give os en uendelig energiforsyning til elektricitet.

“I et magnetisk fusionsanlæg er dynamikken af plasma kompleks og multi-skala, og de effektive love eller computermodeller for en bestemt fysisk proces, som vi er interesseret i, er ikke altid klare,” sagde Qin. “I disse scenarier kan vi anvende den maskinlærings-teknik, jeg har udviklet, til at skabe en diskret feltteori og derefter anvende denne diskrete feltteori til at forstå og forudsige nye eksperimentelle observationer.”

Videnskabsmændene mener også, at denne nye teknik kan udvikle en traditionel fysisk teori.

“På en måde udelukker denne metode behovet for en sådan teori, men den kan også ses som en vej mod en,” sagde Palmerduca. “Når du forsøger at udlede en teori, vil du gerne have så meget data til rådighed som muligt. Hvis du får nogen data, kan du bruge maskinlæring til at udfylde huller i data eller udvide datasættet.”