Algorithmus zur Vorhersage von Planetenbahnen könnte der Schlüssel zu einer unendlichen Energieversorgung sein

Ein Computer-Algorithmus, der von einem Wissenschaftler am Princeton Plasma Physics Laboratory (PPPL) des US-Energieministeriums (DOE) entwickelt wurde, kann die Umlaufbahn von Planeten in unserem Sonnensystem genau vorhersagen. Er verwendet künstliche Intelligenz (KI), um Vorhersagen auf der Grundlage vorheriger Erfahrungen zu entwickeln.

Jetzt werden die Grundlagen dieses Algorithmus in anderen Bereichen angepasst, insbesondere bei der Vorhersage und Kontrolle von Plasma in Fusionsanlagen. Diese Anlagen können Fusionsenergie, die die Sonne und die Sterne antreibt, auf der Erde nutzen.

Hong Qin ist ein Physiker am PPPL und Autor des in Scientific Reports veröffentlichten Artikels.

“Normalerweise macht man in der Physik Beobachtungen, erstellt eine Theorie auf der Grundlage dieser Beobachtungen und verwendet dann diese Theorie, um neue Beobachtungen vorherzusagen”, sagte Qin. “Was ich mache, ist, diesen Prozess durch eine Art Black-Box zu ersetzen, die genaue Vorhersagen ohne die Verwendung einer traditionellen Theorie oder eines Gesetzes liefern kann.”

Das Computerprogramm

Das von Qin entwickelte Computerprogramm verwendet Daten aus vergangenen Beobachtungen über die Umlaufbahnen der Erde, des Mars, des Merkur, der Venus, des Jupiter und des Zwergplaneten Ceres. Mit einem “Servieralgorithmus” können genaue Vorhersagen der Umlaufbahnen anderer Planeten gemacht werden, all dies ohne die Verwendung der Newtonschen Gesetze der Bewegung und Gravitation.

“Im Wesentlichen umgehe ich alle grundlegenden Bestandteile der Physik. Ich gehe direkt von Daten zu Daten”, sagte Qin. “Es gibt kein physikalisches Gesetz in der Mitte.”

Joshua Burby ist ein Physiker am DOE’s Los Alamos National Laboratory. Er erhielt einen Ph.D. unter Qin.

“Hong hat dem Programm das zugrunde liegende Prinzip beigebracht, das von der Natur verwendet wird, um die Dynamik jedes physikalischen Systems zu bestimmen”, sagte Burby. “Der Gewinn ist, dass das Netzwerk die Gesetze der planetarischen Bewegung nach wenigen Trainingsbeispielen lernt. Mit anderen Worten, sein Code lernt die physikalischen Gesetze wirklich.”

Fusionsexperimente

Diese Prinzipien und Theorien werden nun von Qi und Eric Palmerduca, der ein Graduiertenschüler im Princeton University Program in Plasma Physics ist, angepasst. Das Paar versucht, sie zur Vorhersage des Verhaltens von Plasmateilchen in Fusionsexperimenten zu verwenden, die weltweit stattfinden.

Fusion ist die Kombination von leichten Elementen in Form von Plasma und ist die Kraft, die die Sterne und die Sonne antreibt. Plasma stellt 99% des sichtbaren Universums dar und hat das Potenzial, enorme Mengen an Energie zu produzieren. Wenn Wissenschaftler die Fusion auf der Erde nachbilden können, würde sie uns eine unendliche Energieversorgung für Strom liefern.

“In einem magnetischen Fusionsgerät sind die Dynamik von Plasmen komplex und mehrskalig, und die wirksamen 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 maschinelle Lern-Technik, die ich entwickelt habe, anwenden, um eine diskrete Feldtheorie zu erstellen und dann diese diskrete Feldtheorie 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 gewissem Sinne die Notwendigkeit einer solchen Theorie ausschließt, kann sie auch als ein Weg zu einer solchen Theorie angesehen werden”, sagte Palmerduca. “Wenn Sie eine Theorie ableiten möchten, möchten Sie so viele Daten wie möglich zur Verfügung haben. Wenn Sie einige Daten erhalten, können Sie maschinelles Lernen verwenden, um Lücken in diesen Daten zu füllen oder das Datenset auf andere Weise zu erweitern.”