Algoritm för att förutsäga planeternas banor kan vara nyckeln till en obegränsad energitillförsel

En datoralgoritm som utvecklats av en forskare vid USA:s energidepartements (DOE) Princeton Plasma Physics Laboratory (PPPL) kan med stor noggrannhet förutsäga planeternas banor i solsystemet. Den använder sig av artificiell intelligens (AI) för att utveckla förutsägelser baserat på tidigare erfarenheter.

Nu anpassas grunderna för den algoritmen till andra områden, särskilt när det gäller att förutsäga och kontrollera plasma i fusionsanläggningar. Dessa anläggningar kan utvinna fusionsenergi, som driver solen och stjärnorna, på jorden.

Hong Qin är en fysiker vid PPPL och författare till en artikel som publicerats i Scientific Reports.

“Vanligtvis inom fysiken gör man observationer, skapar en teori baserad på dessa observationer och använder sedan teorin för att förutsäga nya observationer”, sa Qin. “Vad jag gör är att ersätta denna process med en sorts svart låda som kan producera exakta förutsägelser utan att använda en traditionell teori eller lag.”

Datorprogrammet

Datorprogrammet som utvecklats av Qin använder sig av data från tidigare observationer om planeternas banor, bland annat jorden, Mars, Merkurius, Venus, Jupiter och dvärgplaneten Ceres. Tillsammans med en “serveringsalgoritm” kan man göra precisa förutsägelser om andra planeters banor, allt utan att använda Newtons rörelse- och gravitationslagar.

“I princip kringgår jag alla de grundläggande ingredienserna i fysiken. Jag går direkt från data till data”, sa Qin. “Det finns ingen fysisk lag i mitten.”

Joshua Burby är en fysiker vid DOE:s Los Alamos National Laboratory. Han disputerade under Qin.

“Hong lärde programmet den underliggande principen som används av naturen för att bestämma dynamiken i alla fysiska system”, sa Burby. “Utfallet är att nätverket lär sig lagarna om planeternas rörelse efter att ha sett mycket få träningsexempel. Med andra ord, hans kod lär sig verkligen fysikens lagar.”

Fusionsförsök

Dessa principer och teorier anpassas nu av Qi och Eric Palmerduca, som är en doktorand i Princetons universitets program för plasmafysik. Duon försöker använda dem för att förutsäga beteendet hos plasma-partiklar i fusionsförsök, som genomförs över hela världen.

Fusion är en process där lätta element kombineras i form av plasma, och det är kraftkällan bakom stjärnorna och solen. Plasma utgör 99% av det synliga universum och har potentialen att producera enorma mängder energi. Om forskare kan återskapa fusion på jorden skulle det ge oss en obegränsad tillförsel av energi för el.

“I en magnetisk fusionsanordning är plasma-dynamiken komplex och multiskalig, och de effektiva styrande lagarna eller beräkningsmodellerna för en specifik fysisk process som vi är intresserade av är inte alltid tydliga”, sa Qin. “I dessa scenarier kan vi tillämpa maskinlärningstekniken som jag utvecklat för att skapa en diskret fältteori och sedan tillämpa denna diskreta fältteori för att förstå och förutsäga nya experimentella observationer.”

Forskarna tror också att denna nya teknik kan utveckla en traditionell fysisk teori.

Medan denna metod i vissa avseenden utesluter behovet av en sådan teori, kan den också ses som en väg mot en”, sa Palmerduca. “När du försöker härleda en teori vill du ha så mycket data till ditt förfogande som möjligt. Om du får viss data kan du använda maskinlärning för att fylla i luckor i data eller på annat sätt utöka datamängden.”