麻省理工学院研究人员利用 AI 推进聚变能
快速阅读: 《DevX.com》消息，麻省理工学院的研究人员利用增强的人工智能模拟，如C-GYRO和P-TARS，来预测聚变装置内部等离子体的行为，以优化聚变反应效率。这些模型通过高分辨率模拟和机器学习技术验证，有助于实现更高效的聚变能源。这一进展为未来聚变反应堆如国际热核聚变实验堆的设计提供了重要指导。
麻省理工学院的研究人员正在利用增强的人工智能模拟来了解像国际热核聚变实验堆（国际热核聚变实验堆）这样的聚变装置内部等离子体的湍流行为。这可能有助于使聚变能源成为未来的可行选择。麻省理工学院等离子体科学与聚变中心（等离子体科学与聚变中心）的主要研究科学家内森·霍华德博士认为，创造和维持聚变反应是当今最具挑战性的科学问题之一。聚变作为一种清洁能源的科学原理及其潜力非常吸引人。这激励我来到麻省理工学院读研并在等离子体科学与聚变中心工作，”他说。
霍华德和他的团队利用模拟和机器学习预测等离子体在聚变装置中的行为。他们的研究旨在预测某项技术或配置在实际聚变环境测试前的表现，以便做出更明智的设计决策。这些模型通过不断使用先前实验的数据进行验证以确保准确。在最近发表于《核聚变》杂志的一篇论文中，霍华德解释了高分辨率模拟如何确认法国正在建造的世界最大的实验聚变装置国际热核聚变实验堆在启动时将按预期运行。他还演示了不同的操作设置可以产生几乎相同的能量输出但输入的能量更少，这可能提高效率。霍华德利用通用原子公司的合作者开发的计算机代码C-GYRO验证了国际热核聚变实验堆的基本方案。麻省理工学院的研究人员利用人工智能推动聚变能源的发展C-GYRO应用复杂的等离子体物理模型到定义的聚变操作条件下，生成详细的等离子体行为模拟结果。然后这些模拟通过麻省理工学院开发的工具框架P-TARS进行处理。P-TARS使用机器学习构建快速的‘代理’模型，能够更快地模拟更复杂的模拟结果。
“P-TARS利用高保真C-GYRO运行并使用机器学习构建一个快速模型，可以模仿更复杂运行的结果，但速度更快，”等离子体科学与聚变中心MFE-IM小组负责人巴勃罗·罗德里格斯-费尔南德斯解释说。“只有像P-TARS这样的高保真建模工具才能让我们在等离子体形成之前就一窥其核心。这种先预测的方法使我们能够在像国际热核聚变实验堆这样的设备中创造出更高效的等离子体。”
代理运行仅需一小部分时间，并且可以与C-GYRO结合使用以更快地生成详细结果。霍华德使用这些工具研究了一种特定的操作条件组合，预测它可以实现国际热核聚变实验堆的基本场景。他通过14次C-GYRO迭代确认当前配置可以实现比输入功率高出十倍的输出功率。“我们进行的建模可能是目前最高保真的，几乎肯定是已发布的最高保真度的，”霍华德说。
增强的代理C-GYRO模型显示，等离子体核心温度并未因输入功率减少而显著变化，从而实现了更高效的运行。“我们可以利用这些建模结果来指导国际热核聚变实验堆等实验计划，这非常令人振奋。多年来我一直说这是我们的研究目标，而现在我们真正做到了——这真是一个惊人的进展，让人感到非常满足，”霍华德反思道。
图片版权：照片由Yuanda“Darian”Shen在Pexels上拍摄
相关文章
快速减小Outlook文件（pst）大小
在MySQL中禁用二进制日志
如何在Android上删除Instagram账户
微软公布Azure混合云计算要求
如何获取Windows中任何视频的长度？
参见斯瓦尔巴特群岛冰川损失惊人
(以上内容均由Ai生成)
