Лаборатория лазерной энергетики Рочестерского университета (LLE) оснащена Omega Laser, ведущей академической лазерной установкой в мире. С первого взгляда, это выглядит как сложная мраморная взлетно -посадочная полоса из легких частиц и плазмы, способная расщеплять и усилить луч, прежде чем сосредоточить его на крошечной цели. Его основная миссия состоит в том, чтобы исследовать астрофизические явления, тестовые материалы при экстремальном давлении атомного масштаба и работу по продвижению разрушительных исследований слияния.
Благодаря гранту в размере 503 млн. Долл. США в течение 2024 года от Национальной администрации ядерной безопасности Министерства энергетики США (DOE) лаборатория Rochester Laser создала идеальные условия для проведения этих критических исследований. Лазерная лаборатория проводит сложные эксперименты по слиянию раз в месяц, и ученые имеют около пяти возможностей для стрельбы по лазерам и записи данных. Благодаря многофизическому полевым моделированию компьютерного моделирования ученые могут получить более глубокое понимание плазмы слияния, проектировать эксперименты и интерпретировать результаты, даже если эти моделирования не могут полностью воспроизвести все экспериментальные детали.
Эксперимент начался с пластиковой капсулы, содержащей замороженную дейтерий-тритиум, диаметром всего лишь миллиметры, при температуре на 20 градусов выше абсолютного нуля »,-сказал директор LLE Кристофер Дини. Затем, на миллиард секунды, сжимается Диаметр меньше, чем человеческая прядь, и температура повышается до более чем 30 миллионов градусов ». Этот процесс не только требует глубокого знания физики, но и передовые диагностические методы также должны использоваться, чтобы подробно измерить все явления, возникающие в этот момент.
Чтобы извлечь выгоду из богатства данных, собранных этими передовыми методами диагностики, и более широко ускорить исследования слияния США, ученые обращаются к искусственному интеллекту (ИИ) и другим передовым вычислительным технологиям.
В течение более 50 лет LLE активно продвигает и решает основные проблемы в области инерционного слияния (ICF). ICF широко признан в научном сообществе как наиболее перспективный подход к достижению контролируемого термоядерного слияния и представляет собой многообещающую чистую технологию возобновляемой энергии.
Кристофер Канан, доцент кафедры компьютерных наук в Университете Рочестера, объясняет: «ICF, по сути, является обратной физической проблемой, где ученым необходимо обратить точные свойства лазера и цели».
Сама Омега была предназначена не для достижения зажигания, а для продвижения понимания лазерного слияния прямого привода. Национальное учреждение зажигания в Ливерморской национальной лаборатории, которая в 60 раз более энергичных, чем омега, обнаружила решение проблемы обратной физики и уже достиг зажигания в 2022 году. Как прогресс, достигнутый в Омеге, так и достижение зажигания полагаются на статистическое моделирование. Чтобы заполнить пробелы в нашем полном понимании физики.
Разрыв в знаниях, который существует между моделированием и экспериментами, связан с сложностью физики, ограничениями измерений и широким охватом исследований, которые включают ядерную физику, физику плазмы и исследования материаловедения, проводимые в экстремальных условиях, которые бросают вызов даже даже бросают вызов даже вызов даже. самые продвинутые компьютерные коды.
Во -первых, есть вопрос о цели; Эксперимент начинается с полой пластиковой сферы, которая может быть размещена на кончике штифта; Исследователи LLE используют точные инструменты для создания сферы и заполнения ее изотопами водорода, которые затем охлаждаются до почти абсолютного нуля. Процесс замораживания вызвал водород сформировать слой льда внутри пластиковой оболочки.
Исследовательская группа LLE ищет способ точно определить нюансы и закономерности в данных как средство руководства компьютерного моделирования для получения более точных прогнозов. Эта улучшенная прогнозирующая способность, в свою очередь, усовершенствует эксперименты по слиянию и стимулирует следующее поколение исследований слияния и лазерных технологий.
Искусственный интеллект, и, в частности, его вспомосное машинное обучение может помочь оптимизировать прогнозирующую эффективность компьютерных кодов и улучшить прогнозы посредством опыта. Машинное обучение не только выполняет прогнозирующую аналитику, но и обрабатывает данные, уволяет отношения и применяет эти знания к своим функциям.
Риккардо Бетти, главный ученый LLE и профессор Роберта Л. МакКрори на факультете машиностроения и Департамента физики и астрономии в Университете Рочестера, отметили: «Теперь у нас есть большое количество экспериментальных данных, которые с помощью, с помощью Машиное обучение, можно использовать для исправления моделирования и направлять корректировки в режиме реального времени на эксперименты.
Исследовательская работа Бетти и Канана основана на последних достижениях в области генеративного искусственного интеллекта, метода ИИ, который генерирует данные и другие формы вывода, такие как текст и видео. Исследовательская группа Университета Рочестера использует эти передовые алгоритмы для решения обратных физических задач для повышения точности моделирования. Программа Министерства энергетических наук (FES) Министерства энергетики (FES) предоставила финансирующую поддержку для этого исследования почти 3 миллиона долларов, которая, как ожидается, будет завершена к 2026 году.
Риккардо Бетти добавил: «Наша цель состоит в том, чтобы улучшить прогнозы моделирования с помощью генеративного ИИ и точно определить свойства взаимодействий с лазерными целями. Мы используем силу ИИ для ускорения будущего технологии слияния».
Доктор Варчас Гопаласвами, ученого из департамента теории LLE и доцент кафедры машиностроения, заявляет: «Как только мы воспринимаем расхождение между прогнозами моделирования и экспериментальными результатами, мы сможем применить машинное обучение, чтобы согласовать два». Далее он объясняет: «Если переменная изменяется в эксперименте, может ли моделирование ответить соответствующим образом? Будет ли этот ответ отражен в эксперименте? Это подтвердит точность нашей гипотезы и определит, можем ли мы скорректировать переменную или разработать стратегию смягчения. . " Gopalaswamy добавил: «С более глубоким анализом машинного обучения в данных мы смогли сформулировать новые гипотезы, исследовать различные физические явления и разработать лучшие эксперименты».
Gopalaswamy также отметил: «Одна из проблем, связанных с столкновением с ICF, заключается в том, что экспериментальные данные, которые мы использовали для обучения ИИ, были относительно ограничены по сравнению с огромной базой данных кошек. В этом случае особенно сложно использовать доступные эмпирические данные. Чтобы преодолеть разрыв в знаниях.
Американское физическое общество признало работу Betti, Gopalaswamy и других ученых LLE с премией Джона Доусона за превосходство в исследованиях физики плазмы за их новаторские достижения в прогнозировании, проектировании и анализе экспериментов по воздействию с 30 KJ Omega Laser.
Исследования искусственного интеллекта и машинного обучения в лаборатории Rochester Laser также способствовали ряду открытий Дастина Фрулы, директора Отдела по науке и инженерии в области плазмы и сверхбыстрой лазерной инженерии, а также его команды. В течение своей карьеры Froula и его команда разработали различные методы, в том числе предназначенные для измерения температуры в плазме с помощью рассеяния Томсона, и даже разбили новые земли в методах «Fly-Focus» или контроля интенсивности лазера на больших расстояниях. А машинное обучение революционизирует способ проектирования экспериментов, что позволяет нам создавать лучшие лазеры, поскольку мы представляем средства следующего поколения ». Он также объясняет,-лазеры использовались различными способами. Далее он объясняет: «Многочисленные цвета в спектре лазерного луча помогут более эффективно распространять плазму через луч, а ИИ поможет нам понять сложные взаимодействия между этими разными цветами и плазмой».
Наконец, Центр исследований ядерного слияния Министерства энергетики предоставил обозначение национального исследовательского центра, предназначенного для продвижения инерционной энергии слияния (IFE), многообещающей технологии чистой энергии, которая опирается на слияние атомов тяжелого водорода (дейтерий и трития). производить энергию.
Опираясь на междисциплинарные исследования в области сильных сторон Университета Рочестера, LLE успешно нанял нескольких студентов для улучшения применения искусственного интеллекта и машинного обучения в конвергентных исследованиях.
Согласно Gopalaswamy, «наша цель состоит в том, чтобы вдохновить студентов постоянной страстью к машинному обучению еще больше повысить точность наших диагностических инструментов. Действительно, нам нужны эксперты по искусственному искусству. Однако роль физиков необходима для обеспечения правильных моделей. и научно обоснованный.
Он добавил: «По мере того, как нация переходит на чистую энергию и устойчивую власть, применение ИИ в исследованиях Fusion многообещающе и может стать новой рабочей силой».
Валери Гончарова, директор по теории LLE и доценту -исследователь кафедры машиностроения, отметил: «Искусственный интеллект является важным инструментом для руководства нашим исследованием. Движение для инноваций все еще связано с нашим интеллектом.
