Algoritme for å forutsi planetenes baner kan være nøkkel til ubegrenset energitilførsel

En datamaskinalgoritme utviklet av en forsker ved USAs energidepartements (DOE) Princeton Plasma Physics Laboratory (PPPL) kan nøyaktig forutsi banen til planeter i solsystemet. Den baserer seg på kunstig intelligens (AI) for å utvikle forutsigelser basert på tidligere erfaringer.

Nå blir grunnprinsippene for denne algoritmen tilpasset i andre domener, spesielt i forhold til å forutsi og kontrollere plasma i fusjonsanlegg. Disse anleggene kan høste fusjonsenergi, som driver solen og stjernene, på jorden.

Hong Qin er en fysiker ved PPPL og forfatter av artikkelen som er publisert i Scientific Reports.

“Vanligvis i fysikken gjør man observasjoner, lager en teori basert på disse observasjonene og bruker deretter denne teorien til å forutsi nye observasjoner,” sa Qin. “Det jeg gjør, er å erstatte denne prosessen med en type svart boks som kan produsere nøyaktige forutsigelser uten å bruke en tradisjonell teori eller lov.”

Datamaskinprogrammet

Datamaskinprogrammet som er utviklet av Qin, baserer seg på data fra tidligere observasjoner om banene til jorden, mars, merkur, venus, jupiter og dvergplaneten ceres. I tillegg til en “server-algoritme”, kan nøyaktige forutsigelser av banene til andre planeter gjøres, uten å bruke Newtons lover om bevegelse og gravitasjon.

“I realiteten går jeg rett fra data til data,” sa Qin. “Det er ingen fysisk lov i midten.”

Joshua Burby er en fysiker ved DOE’s Los Alamos National Laboratory. Han fikk en doktorgrad under Qin.

“Hong lærte programmet den underliggende prinsippet som brukes av naturen til å bestemme dynamikken til ethvert fysisk system,” sa Burby. “Gevinsten er at nettverket lærer lovene om planetbevegelse etter å ha sett svært få treningseksempler. Med andre ord, hans kode ‘lærer’ fysikkens lover.”

Fusjonseksperimenter

Disse prinsippene og teoriene blir nå tilpasset av Qi og Eric Palmerduca, som er en masterstudent i Princeton University Program in Plasma Physics. Duoen prøver å bruke dem til å forutsi atferden til plasma-partikler i fusjonseksperimenter, som finner sted over hele verden.

Fusjon er en kombinasjon av lette grunnstoffer i form av plasma, og det er kraftkilden bak stjernene og solen. Plasma utgjør 99% av det synlige universet, og det har potensialet til å produsere massive mengder energi. Hvis vitenskapsmenn kan gjenskape fusjon på jorden, ville det gi oss en ubegrenset energikilde for elektrisitet.

“I et magnetisk fusjonsapparat er dynamikken til plasma kompleks og multi-skala, og de effektive styrelovene eller beregningsmodellene for en bestemt fysisk prosess som vi er interessert i, er ikke alltid klare,” sa Qin. “I disse scenariene kan vi bruke maskinlæringsteknikken som jeg har utviklet til å lage en diskret feltteori og deretter bruke denne feltteorien til å forstå og forutsi nye eksperimentelle observasjoner.”

Vitenskapsmennene tror også at denne nye teknikken kan utvikle en tradisjonell fysisk teori.

Selv om denne metoden i en viss forstand forkaster behovet for en slik teori, kan den også sees på som en vei mot en,” sa Palmerduca. “Når du prøver å dedusere en teori, ønsker du å ha så mye data tilgjengelig som mulig. Hvis du får noen data, kan du bruke maskinlæring til å fylle hull i dataene eller ellers utvide datamengden.”