PPPL и Принстон разработали ИИ-фреймворк для управления плазмой за миллисекунды
Материал подготовлен искусственным интеллектом на основе нескольких источников — ссылки на оригиналы приведены ниже.
Исследователи из Принстонской лаборатории физики плазмы Министерства энергетики США и Принстонского университета разработали PACMAN — программный фреймворк на основе ИИ, управляющий термоядерной плазмой за миллисекунды. Фреймворк успешно испытан на реальной термоядерной установке в пяти отдельных экспериментах. Конструкция и первые результаты описаны в статье, опубликованной в журнале Nuclear Fusion.
Ключевые факты
- PACMAN расшифровывается как Prediction And Control using MAchiNe learning.
- Фреймворк испытан на реальной термоядерной установке в пяти отдельных экспериментах.
- Конструкция и первые результаты опубликованы в журнале Nuclear Fusion.
- Неустойчивости плазмы могут развиваться за миллисекунды и нарушать термоядерную реакцию.
- Продвинутые компьютерные симуляции могут занимать дни или даже месяцы.
Вызов миллисекунд
В термоядерных системах частицы, более горячие, чем ядро Солнца, могут стать нестабильными за несколько тысячных долей секунды. Это слишком быстро для реакции человека-оператора. Для успешного продолжения термоядерного синтеза плазма должна оставаться горячей, плотной и стабильной. Даже относительно небольшие возмущения, известные как неустойчивости, могут развиваться за миллисекунды и нарушать термоядерную реакцию. Продвинутые компьютерные симуляции могут занимать дни или даже месяцы, что делает их слишком медленными для управления в реальном времени.
Фреймворк PACMAN
PACMAN — это новая аббревиатура от Prediction And Control using MAchiNe learning. Фреймворк использует искусственный интеллект для быстрых решений при сохранении строгих мер безопасности. Люди по-прежнему отвечают за постановку целей системы. PACMAN был разработан для обеспечения общей структуры, упрощающей совместную работу различных моделей машинного обучения. Термоядерным системам требуется несколько моделей, поскольку разные части установки и плазмы необходимо контролировать одновременно.
Скорость машинного обучения
Соавтор Хиро Фарре Кага, аспирант Принстонской программы по физике плазмы, сказал, что модели машинного обучения очень хорошо описывают поведение плазмы. Он добавил, что модели машинного обучения — единственный способ моделировать плазму за миллисекунды. Скорость этих моделей является ключевым фактором для управления. Машинное обучение уже продемонстрировало значительный потенциал для управления термоядерной плазмой. Многие предыдущие разработки создавались индивидуально, без общей структуры.
1 источник
Время · отставание