Одной из самых больших проблем в ядерном синтезе является удержание сверхгорячей плазмы во взвешенном состоянии с помощью чрезвычайно сильных магнитов. Если она выходит из магнитного поля, это обычно означает конец реакции. Исследователи из Принстонского университета разработали ИИ, который может предсказывать нестабильность плазмы и противодействовать этому.
Изображение из открытых источниковАлгоритм машинного обучения может обнаруживать так называемые нестабильности режима разрыва за 300 миллисекунд (0,3 секунды) до их возникновения. У ИИ достаточно времени, чтобы принять контрмеры и поддержать синтез.
Термоядерные реакторы нагревают газовую смесь атомов водорода до такой степени, что атомы сливаются вместе – как на Солнце – и выделяют энергию. Чтобы произошел термоядерный синтез, эта так называемая плазма должна достичь температуры 100 миллионов градусов Цельсия. Она настолько горячая, что ни один материал в мире не может выдержать контакта с плазмой, поэтому она удерживается во взвешенном состоянии магнитными полями.
При разработке ИИ исследователи снабжали свою программу данными прошлых реакций и моделировали бесчисленные состояния плазмы. В пресс-релизе соавтор Азарахш Джалалванд сравнивает это с обучением пилота.
«Вы не научите пилота ничему, просто посадив его за штурвал самолета и попросив его управлять», - говорит Джалалванд.
Используемая модель машинного обучения не обязательно должна знать всю сложную физику ядерного синтеза. Единственная поставленная цель — сохранить плазму как можно дольше. ИИ должен изменять определенные параметры для управления плазмой. К этим параметрам относятся форма плазмы и сила лучей, нагревающих плазму.
После создания ИИ его протестировали в ходе эксперимента с токамаком DIII-D в Сан-Диего.
«У нас есть убедительные доказательства, что программа довольно хорошо работает в DIII-D, но нам нужно больше данных, чтобы показать, что ИИ может работать в разных ситуациях», — говорит ведущий автор Джэмин Со.
С помощью таких программ искусственного интеллекта исследователи могут не только добиться более стабильных реакций, но и лучше понять лежащую в их основе физику. Решения, принимаемые ИИ, могут сильно отличаться от предыдущего подхода.
