행성 궤도 예측 알고리즘이 무한 에너지 공급의 열쇠가 될 수 있다

미국 에너지부(DOE)의 프린스턴 플라즈마 물리학 연구소(PPPL)에서 일하는 과학자가 개발한 컴퓨터 알고리즘은 태양계의 행성 궤도를 정확하게 예측할 수 있다. 이는 이전 경험을 기반으로 예측을 개발하기 위해 인공 지능(AI)을 사용한다.

이 알고리즘의 기본 원리는 다른 분야에서 적용되고 있으며, 특히 핵융합 시설에서 플라즈마를 예측하고 제어하는 데 사용되고 있다. 이러한 시설은 지구에서 핵융합 에너지를 생산할 수 있으며, 이는 태양과 별을 구동하는 에너지이다.

홍秦(Hong Qin)은 PPPL의 물리학자이며, Scientific Reports에 발표된 논문의 저자이다.

“일반적으로 물리학에서 관찰을 انجام하고, 관찰에 기반한 이론을 만들고, 그런 다음 이론을 사용하여 새로운 관찰을 예측한다”고秦은 말했다. “나는 이 과정을 전통적인 이론이나 법칙을 사용하지 않고 정확한 예측을 제공할 수 있는 블랙 박스를 대체하는 방식으로 바꾸고 있다.”

컴퓨터 프로그램

秦이 개발한 컴퓨터 프로그램은 지구, 화성, 수성, 금성, 목성 및 왜행성 세레스의 궤도에 대한 이전 관찰 데이터를 사용한다. “서빙 알고리즘”과 함께, 다른 행성의 궤도를 정확하게 예측할 수 있다. 이는 뉴턴의 운동 법칙과 중력 법칙을 사용하지 않는다.

“본질적으로, 나는 물리학의 모든 기본 성분을 무시한다. 나는 데이터에서 데이터로 직접 이동한다”고秦은 말했다. “중간에 물리학의 법칙이 없다.”

조슈아 버비(Joshua Burby)는 DOE의 로스 알라모스 국립 연구소의 물리학자이다. 그는秦의 지도로 박사 학위를 받았다.

“홍은 프로그램에 물리 시스템의 역학을 결정하는 자연의 기본 원리를 가르쳤다”고 버비는 말했다. “보상은 bahwa 네트워크가 매우 적은 수의 훈련 예제를 보면서 행성 운동의 법칙을 학습한다는 것이다. 즉, 그의 코드는 실제로 물리학의 법칙을 학습한다.”

융합 실험

이 원리와 이론은 현재秦과 에릭 팔머듀카(Eric Palmerduca)가 적용하고 있다. 팔머듀카는 프린스턴 대학교 플라즈마 물리학 프로그램의 대학원생이다. 그들은 핵융합 실험에서 플라즈마 입자의 행동을 예측하는 데 사용하고 있다.

융합은 플라즈마 형태의軽元素의 결합이다. 이는 태양과 별을 구동하는 에너지이다. 플라즈마는 가시적 우주의 99%를 차지하며, 엄청난 양의 에너지를 생산할 수 있다. 과학자들이 지구에서 융합을 복제할 수 있다면, 이는 전기 에너지에 대한 무한한 공급을 제공할 것이다.

“자기 융합 장치에서, 플라즈마의 역학은 복잡하고 다중 규모이며, 우리가 관심 있는 특정 물리적 과정에 대한有效한 지배 법칙 또는 계산 모델은 항상 명확하지 않다”고秦은 말했다. “이러한 시나리오에서, 나는 내가 개발한 기계 학습 기술을 적용하여 이산 필드 이론을 생성하고, 그런 다음 이 이론을 사용하여 새로운 실험 관찰을 이해하고 예측할 수 있다.”

과학자들은 또한 이 새로운 기술이 전통적인 물리학 이론을 개발하는 데 사용될 수 있다고 믿는다.

어떤 의미에서 이 방법은 그러한 이론의 필요성을 제거하지만, 그것은 또한 하나로 향하는 길로 볼 수 있다”고 팔머듀카는 말했다. “이론을 추론하려고 할 때, 가능한 한 많은 데이터를 사용할 수 있으면 좋겠다. 데이터가 주어지면, 기계 학습을 사용하여 데이터의 간격을 채우거나 데이터 세트를 확장할 수 있다.”