Rochesterin yliopiston Laser Energticsin laboratorio (LLE) on varustettu Omega Laserilla, joka on maailman johtava akateeminen laserasennus. Yläyksellä se näyttää kevyiden hiukkasten ja plasman yksityiskohtaiselta marmorilta kiitotieltä, joka pystyy jakamaan ja vahvistamaan palkin ennen keskittymistä pieneen ristikohteeseen. Sen ydintehtävänä on tutkia astrofysikaalisia ilmiöitä, testimateriaaleja äärimmäisissä atomien mittakaavassa paineissa ja työskennellä häiritsevän fuusiotutkimuksen edistämiseksi.
Yhdysvaltain energiaministeriön (DOE) kansallisen ydinturvallisuusviraston vuoden 2024 myöntämän 503 miljoonan dollarin avustuksen ansiosta Rochester Laser -laboratorio on luonut ihanteelliset olosuhteet näiden kriittisten tutkimusten suorittamiseksi. Laser -laboratorio suorittaa monimutkaisia fuusiokokeita kerran kuukaudessa, ja tutkijoilla on noin viisi mahdollisuutta ampua lasereita ja tallentaa tietoja. Monifysiikan kenttätietokonesimulaatioiden avulla tutkijat kykenevät saamaan syvemmän käsityksen fuusioplasmasta, suunnittelukokeista ja tulkitsemaan tuloksia, vaikka nämä simulaatiot eivät pysty toistamaan kaikkia kokeellisia yksityiskohtia.
Koe alkoi muovikapselilla, joka sisälsi jäädytettyä deuterium-tritiumia, vain millimetrejä halkaisijaltaan, lämpötilassa 20 astetta absoluuttisen nollan yläpuolella ", sanoi LLE: n johtaja Christopher Deeney. Sitten, sekunnin miljardin sekunnin ajan, kapseli on pakattu A: lle. Halkaisija pienempi kuin ihmisen hiusnauha ja lämpötila nousee yli 30 miljoonaan asteeseen. " Tämä prosessi ei vain vaadi syvän tiedon fysiikasta, mutta myös edistyneitä diagnostiikkatekniikoita on käytettävä mitattaessa yksityiskohtaisesti kaikkia tässä hetkessä tapahtuvia ilmiöitä.
LLE: n tutkijat siirtyvät keinotekoiseen älykkyyteen (AI) ja muihin edistyneisiin laskentatekniikoihin hyödyntääkseen näiden edistyneiden diagnostiikkatekniikoiden keräämistä tietoa ja nopeuttaa Yhdysvaltain fuusiotutkimusta laajemmin.
Yli 50 vuoden ajan LLE on aktiivisesti edistänyt ja vastannut inertiaalisten sulkemisfuusion (ICF) alakohtaisia ydinhaasteita. ICF tunnustetaan laajasti tiedeyhteisössä lupaavimpana lähestymistapana hallittujen lämmittelyfuusion saavuttamiseksi ja edustaa lupaavaa puhdasta, uusiutuvaa energiaa.
Rochesterin yliopiston tietotekniikan apulaisprofessori Christopher Kanan selittää: "ICF on lähinnä käänteinen fysiikan ongelma, jossa tutkijoiden on käännettävä laserin ja kohteen tarkkoja ominaisuuksia."
Itse Omega ei ollut suunniteltu saavuttamaan sytytystä, vaan edistämään laservetoisen suoravetoisen fuusion ymmärtämistä. Livermoren kansallisen laboratorion kansallinen sytytyslaitos, joka on 60 kertaa energisempi kuin Omega, on löytänyt ratkaisun käänteiseen fysiikan ongelmaan ja on jo saavuttanut sytytyksen vuonna 2022. Sekä Omegassa saavutetut edistykset että sytytyksen saavuttaminen riippuvat tilastollisesta mallinnuksesta Täyttää aukot täydellisessä ymmärryksessämme fysiikasta.
Simulaatioiden ja kokeiden välillä esiintyvä tiedonkuilu johtuu fysiikan monimutkaisuudesta, mittausten rajoituksista ja tutkimusponnistelujen laajasta laajuudesta, joka sisältää ydinfysiikan, plasmafysiikan ja materiaalitieteen tutkimuksen, joka tehdään äärimmäisissä olosuhteissa, jotka haastavat jopa Edistyneimmät tietokonekoodit.
Ensinnäkin on kysymys kohteesta; Koe alkaa ontolla muovipallolla, joka voidaan asettaa tapinan kärkeen; LLE -tutkijat käyttävät tarkkuustyökaluja pallon luomiseen ja täyttämään sen vety -isotoopeilla, jotka sitten jäähdytetään lähellä absoluuttista nollaa. Jäätymisprosessi aiheutti vedyn muodostavan jääkerroksen muovikuoren sisälle.
LLE -tutkimusryhmä etsii tapaa havaita tietojen vivahteet ja kuviot tarkasti keinona ohjata tietokonesimulaatioita tarkempien ennusteiden tuottamiseksi. Tämä parantunut ennustava kyky puolestaan hienosäätää fuusiokokeita ja johtaa seuraavan sukupolven fuusiotutkimusta ja lasertekniikkaa.
Keinotekoinen älykkyys ja erityisesti sen alakentän koneoppiminen voivat auttaa optimoimaan tietokonekoodien ennustavan tehokkuuden ja parantamaan ennusteita kokemuksen kautta. Koneoppiminen ei vain suorita ennustavaa analytiikkaa, vaan myös käsittelee tietoja, päättelee suhteita ja soveltaa tätä tietoa sen toimintoihin.
Riccardo Betti, LLE: n päätutkija ja Robert L. McCrory -professori konetekniikan laitoksella sekä Rochesterin yliopiston fysiikan ja tähtitieteen laitoksella, totesi: "Meillä on nyt suuri määrä kokeellisia tietoja, jotka auttavat Koneoppimista voidaan käyttää simulaatioiden korjaamiseen ja reaaliaikaisten säädöksiin kokeisiin. "
Bettin ja Kananin tutkimustyö perustuu generatiivisen tekoälyn viimeaikaiseen kehitykseen, AI -tekniikkaan, joka tuottaa tietoja ja muita tulosmuotoja, kuten tekstiä ja videoita. Rochesterin yliopiston tutkimusryhmä käyttää näitä edistyneitä algoritmeja käänteisten fysiikan ongelmien ratkaisemiseksi simulaatioiden tarkkuuden parantamiseksi. Yhdysvaltain energiaministeriön Fusion Energy Sciences -ohjelma (FES) on tarjonnut lähes 3 miljoonaa dollaria rahoitustukea tähän tutkimukseen, jonka odotetaan valmistuvan vuoteen 2026 mennessä.
Riccardo Betti lisäsi: "Tavoitteenamme on parantaa simulaatioennusteita generatiivisen AI: n avulla ja päätellä tarkasti laser-kohde-vuorovaikutusten ominaisuudet. Valjastamme AI: n voimaa nopeuttaa fuusiotekniikan tulevaisuutta."
Dr. Varchas Gopalaswamy, LLE: n teoriaosaston tiedemies ja konetekniikan apulaisprofessori, toteaa: "Kun havaitsemme eron simulaatioennusteiden ja kokeellisten tulosten välillä, pystymme soveltamaan koneoppimista näiden näiden sovittamiseksi." Hän selittää edelleen: "Jos muuttuvat muutokset kokeessa, voiko simulaatio reagoida vastaavasti? Näyttääkö tämä vaste kokeessa? Tämä vahvistaa hypoteesin tarkkuuden ja määrittää, pystymmekö muuttujan säätäminen vai kehittää lieventämisstrategia vastaavasti . " Gopalaswamy lisäsi: "Kun koneoppimisen syvempi analyysi tietojen malleista, pystyimme muotoilemaan uusia hypoteeseja, tutkimaan erilaisia fyysisiä ilmiöitä ja suunnittelemaan parempia kokeita."
Gopalaswamy totesi myös, että "yksi ICF: n kohtaamisen haasteista on, että Fusion -kokeelliset tiedot AI: n kouluttamiseen oli suhteellisen rajallinen verrattuna CAT -kuvien valtavaan tietokantaan. Tässä tapauksessa on erityisen haastavaa käyttää käytettävissä olevaa empiiristä tietoa Tietovaje. Tämä on juuri miksi tarvitsemme vankan järjestelmän integroidaksesi teoreettisen tiedon kokeelliseen todellisuuteen auttaaksemme meitä tekemään tietoisempia päätöksiä. "
Amerikkalainen fyysinen yhteiskunta on tunnustanut Bettin, Gopalaswamyn ja muiden LLE -tutkijoiden työn John Dawson -palkinnolla plasmafysiikan tutkimuksen huippuosaamisesta heidän uraauurtavien saavutusten saavuttamisessa ennustamalla, suunnittelemalla ja analysoimalla implos -kokeita 30 KJ Omega -laserilla.
Keinotekoisen älykkyyden ja koneoppimisen tutkimuksen Rochester Laser -laboratoriossa ovat myös vaikuttaneet useisiin Dustin Froulan löytöihin, plasma- ja ultraser -tiede- ja tekniikkaosaston johtajan sekä hänen tiiminsä johtajaan. Uransa aikana Froula ja hänen tiiminsä ovat kehittäneet erilaisia tekniikoita, mukaan lukien yksi plasman lämpötilan mittaamiseen Thomson-sironnan kautta ja ovat jopa murtaneet uuden maan "fly-focus" -tekniikoissa tai hallitsemalla laservoimakkuutta pitkillä matkoja. Ja koneoppiminen mullistavat tapaa, jolla suunnittelemme kokeita, mikä antaa meille mahdollisuuden rakentaa parempia lasereita, kun kuvittelemme seuraavan sukupolven tiloja. "Hän selittää edelleen:" Lasereita on käytetty monin tavoin. Hän selittää edelleen: "Lasersäteen spektrin useita värejä auttaa plasmaa leviämään säteen läpi tehokkaammin, ja AI auttaa meitä ymmärtämään näiden eri värien ja plasman väliset monimutkaiset vuorovaikutukset."
Lopuksi, energian laitoksen ydinfuusiotutkimuksen keskus on antanut LLE: lle kansallisen tutkimuskeskuksen, joka on suunniteltu edistämään inertiaalista fuusioenergiaa (IFE), lupaavaa puhdasta energiateknologiaa, joka perustuu raskaan vedyn (Deuterium ja Tritium) atomien fuusioon tuottaa energiaa.
LLE: n luottaen Rochesterin yliopiston monitieteisiin tutkimusvahvuuksiin, LLE on onnistuneesti rekrytoinut useita opiskelijoita parantamaan keinotekoisen älykkyyden ja koneoppimisen soveltamista konvergenssissa tutkimuksessa.
Gopalaswamyn mukaan "Tavoitteenamme on innostaa opiskelijoita jatkuvaan intohimoon koneoppimiseen parantaakseen edelleen diagnoosityökalujemme tarkkuutta. Tarvitsemme todellakin AI -asiantuntijoita. Fyysikkojen rooli on kuitenkin välttämätöntä varmistaakseen, että mallit ovat oikeat ja tieteellisesti terve. Lisäksi tarvitsemme insinöörejä, tekniikoita ja materiaalitieteilijöitä täydellisen ekosysteemin muodostamiseksi.
Hän lisäsi: "Kun kansakunta siirtyy puhtaan energian ja kestävän voiman, AI: n soveltaminen fuusiotutkimukseen on lupaavaa ja siitä voi tulla nouseva työvoiman kenttä."
Konetekniikan laitoksen LLE: n teoriaosaston ja tutkimuksen apulaisprofessorin johtaja Valeri Goncharov totesi: "Keinotekoinen älykkyys on tärkeä työkalu tutkimuksen ohjaamiseen. Optimoimalla nämä työkalut voimme parantaa tutkimustuloksia. Vaikka nämä työkalut helpottavat tutkimusta , innovaatioiden liikkeellepaneva voima johtuu edelleen älykkyydestämme.
