AI-mallit ja alustat

Konenäömallit voivat lisätä ydin fuusioreaktorien energiantuotantoa

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

Tutkijat Sandia National Laboratories ovat suunnitelleet konenäömallit, jotka on tarkoitettu parantamaan ydin fuusioreaktorien energiantuotantoa. Tutkimusryhmä käytti tekoälyalgoritmeja simuloimaan plasman ja materiaalien välistä vuorovaikutusta ydin fuusioreaktorin seinämien sisällä.

Toisin kuin ydin fissio, jossa atomit hajoavat, fuusioreaktiot tuottavat energian plasman luomalla. Vetyatomit kuumennetaan plasma-pilveksi, ja tämä pilvi tuottaa energian, kun siinä olevat hiukkaset törmäilevät toisiinsa ja yhdistyvät. Tämä prosessi on kaaottinen, ja jos tutkijat voivat parantaa fuusioprosessin hallintaa, se voi johtaa merkittäviin parannuksiin ydin fuusioreaktorien tuottamassa energiamäärässä.

Tutkijat, jotka työskentelevät tämän ongelman ratkaisemiseksi, joutuvat suorittamaan monimutkaisia simulaatioita ydinreaktorin kammioiden ja plasman välistä vuorovaikutusta.

Aidan Thompsonin mukaan konenäömallit tekevät mahdolliseksi ratkaista erittäin monimutkaisen ongelman. Thompson ja muut tutkijat ovat saaneet tehtäväkseen Yhdysvaltain energiaministeriön tiede-osastolta määrittää, miten konenäö voisi parantaa ydin fuusioreaktorien energiantuotantoa. Tähän asti ei ole ollut mahdollista suorittaa atomitason simulaatioita näistä vuorovaikutuksista. Kiitos konenäön ansiosta, voidaan nyt mallintaa plasman pieniä muutoksia, kun se osuu reaktorin seinämään. Thompson selitti, että kun plasmaa luodaan fuusiokammiossa, reaktorin seinämät osuvat jatkuvasti hiukkasiin, kuten heliumiin, vetyyn ja deuteriumiin, jotka muodostavat plasmapilven. Kun plasma osuu reaktorin seinämään, se muuttaa seinämän pienin, mutta mahdollisesti kriittisin tavoin. Seinämän koostumus muuttaa puolestaan plasmapilveä. Tämä reaktioiden syklisi tapahtuu suunnilleen samassa lämpötilassa kuin Aurinkoa, ja kestää vain nanosekunteja. Tämän prosessin optimointi vaatii tarkkaa prosessia, jossa reaktorin seinämän osia muutetaan ja mitataan, miten tulokset muuttuvat.

Thompson ja muut tutkijat alkoivat kokeilla suuria tietoja, jotka koostuivat kvanttimekaniikan laskelmista, ja kouluttivat mallin, joka voisi ennustaa eri atomikonfiguraatioiden energian. Tuloksena oli konenäöllinen interatomipotentiaali (MLIAP). Algoritmit voidaan käyttää tutkimaan suhteellisen pienen määrän atomien välistä vuorovaikutusta, ja mallin skaalautuminen miljooniin atomeihin, jotka tarvitaan fuusioprosessin malleihin. Thompsonin mukaan tutkimusryhmän suunnittelemat mallit vaativat tuhansia parametreja, jotta ne olisivat hyödyllisiä simulaatioita.

Jotta malli säilyy hyödyllisenä, on oltava merkittävä yhteensopivuus fuusiota edustavien ympäristöjen ja koulutusdatan välillä. Fuusion ympäristöjä on laaja valikoima, joten tutkijoiden on jatkuvasti kerättävä dataa ja tehtävä muutoksia malliin. Thomas selitti Phys.org:ssa:

“Malli tullaan aluksi käyttämään pienien kokeiden tulkintaan. Vastavuoroisesti, kokeellinen data tullaan käyttämään mallin validointiin, jota voidaan sitten käyttää ennusteisiin siitä, mitä tapahtuu täysimittaisessa fuusioreaktorissa”

Algoritmit eivät ole vielä valmiita käytettäviksi ydin fuusioreaktorien tutkijoiden toimesta. Thompson ja hänen tutkimusryhmänsä ovat kuitenkin ensimmäinen tutkijaryhmä, joka on yrittänyt soveltaa konenäöä plasma-seinämäongelmaan. Ryhmä toivoo, että muutamassa vuodessa mallit tullaan käyttämään parempien fuusioreaktorien suunnittelussa.

Blogger ja ohjelmoija, jolla on erityisalat Machine Learning ja Deep Learning -aiheissa. Daniel toivoo pystyvänsä auttamaan muita käyttämään tekoälyn voimaa sosiaaliseen hyvään.