Algorithmus zur Vorhersage der Umlaufbahnen von Planeten könnte der Schlüssel zu endloser Energieversorgung sein 

Ein Computeralgorithmus, der von einem Wissenschaftler am Princeton Plasma Physics Laboratory (PPPL) des US-Energieministeriums (DOE) entwickelt wurde, kann die Umlaufbahn von Planeten im Sonnensystem genau vorhersagen. Es setzt auf künstliche Intelligenz (KI), um Vorhersagen auf der Grundlage früherer Erfahrungen zu entwickeln. 

Nun werden die Grundlagen dieses Algorithmus in anderen Bereichen angepasst, insbesondere im Hinblick auf die Vorhersage und Steuerung von Plasma in Fusionsanlagen. Diese Anlagen können auf der Erde Fusionsenergie gewinnen, die Sonne und Sterne antreibt.

Hong Qin ist PPPL-Physiker und Autor des in veröffentlichten Artikels Wissenschaftliche Berichte. 

„Normalerweise macht man in der Physik Beobachtungen, erstellt auf der Grundlage dieser Beobachtungen eine Theorie und verwendet diese Theorie dann, um neue Beobachtungen vorherzusagen“, sagte Qin. „Was ich tue, ist, diesen Prozess durch eine Art Blackbox zu ersetzen, die genaue Vorhersagen erstellen kann, ohne eine traditionelle Theorie oder ein traditionelles Gesetz zu verwenden.“

Das Computerprogramm

Das von Qin entwickelte Computerprogramm basiert auf Daten aus vergangenen Beobachtungen zu den Umlaufbahnen von Erde, Mars, Merkur, Venus, Jupter und dem Zwergplaneten Ceres. Zusammen mit einem „dienenden Algorithmus“ können genaue Vorhersagen über die Umlaufbahnen anderer Planeten getroffen werden, und das alles ohne die Verwendung von Newtons Bewegungs- und Gravitationsgesetzen.

„Im Wesentlichen habe ich alle grundlegenden Bestandteile der Physik umgangen. Ich gehe direkt von Daten zu Daten“, sagte Qin. „In der Mitte gibt es kein physikalisches Gesetz.“

Joshua Burby ist Physiker am Los Alamos National Laboratory des DOE. Er promovierte bei Qin.

„Hong brachte dem Programm das zugrunde liegende Prinzip bei, das die Natur verwendet, um die Dynamik jedes physikalischen Systems zu bestimmen“, sagte Burby. „Der Vorteil besteht darin, dass das Netzwerk die Gesetze der Planetenbewegung erlernt, nachdem es nur sehr wenige Trainingsbeispiele gesehen hat. Mit anderen Worten: Sein Code „lernt“ wirklich die Gesetze der Physik.“

Fusionsexperimente

Diese Prinzipien und Theorien werden nun von Qi und Eric Palmerduca, einem Doktoranden im Programm für Plasmaphysik der Princeton University, übernommen. Das Paar versucht, damit das Verhalten von Plasmateilchen in Fusionsexperimenten vorherzusagen, die überall auf der Welt stattfinden. 

Bei der Fusion werden Lichtelemente in Form von Plasma kombiniert, und es ist die Kraft hinter Sternen und der Sonne. Plasma macht 99 % des sichtbaren Universums aus und birgt das Potenzial, riesige Energiemengen zu produzieren. Wenn Wissenschaftler die Kernfusion auf der Erde nachahmen könnten, würde uns dies eine endlose Energieversorgung für Elektrizität ermöglichen. 

"In einem Magnetfusionsgerät ist die Dynamik von Plasmen komplex und vielschichtig, und die effektiven maßgeblichen Gesetze oder Rechenmodelle für einen bestimmten physikalischen Prozess, an dem wir interessiert sind, sind nicht immer klar", sagte Qin. "In diesen Szenarien können wir die von mir entwickelte Technik des maschinellen Lernens anwenden, um eine diskrete Feldtheorie zu erstellen, und diese diskrete Feldtheorie dann anwenden, um neue experimentelle Beobachtungen zu verstehen und vorherzusagen."

Die Wissenschaftler glauben auch, dass diese neue Technik eine traditionelle physikalische Theorie entwickeln könnte. 

Während diese Methode in gewisser Weise die Notwendigkeit einer solchen Theorie ausschließt, kann sie auch als Weg zu einer solchen Theorie angesehen werden“, sagte Palmerduca. „Wenn Sie versuchen, eine Theorie abzuleiten, möchten Sie so viele Daten wie möglich zur Verfügung haben. Wenn Ihnen einige Daten zur Verfügung gestellt werden, können Sie maschinelles Lernen nutzen, um Lücken in diesen Daten zu schließen oder den Datensatz auf andere Weise zu erweitern.“