機械学習が将来の核融合発電所に適した水素同位体の組み合わせを見つける

編集者 | キャベツの葉

星の動力源である核融合は、人類の将来のエネルギー源として提案されており、エネルギーを必要とせずにクリーンで再生可能なエネルギーを提供できます。現在の核分裂プラントに関連する放射性廃棄物。

太陽からエネルギーを放出する核融合プロセスと同様に、将来の核融合施設は、宇宙で最も軽い元素である水素の同位体を、強力な磁場に含まれる超高温のガスまたは「プラズマ」の中で激しく衝突させることになります。 . 体内ではヘリウムが生成され、エネルギーが質量差の形で集められます。

制御可能な核融合が実際に地球上で起こる前に、科学者が知っておくべきことの 1 つは、どのような水素同位体の混合物を使用するかということです - 主に、原子核に陽子と重水素原子核を持つ「標準」水素です。原子核には陽子が 1 つと中性子が 1 つあり、トリチウムの原子核には陽子が 1 つと中性子が 2 つあります。現在、これはトカマク核融合装置のプロトタイプからのスペクトルを使用して行われていますが、この分析には非常に時間がかかる可能性があります。

最近の研究では、フランスのエクス・マルセイユ大学准教授のモハメド・クビティ氏が、核融合プラズマの性能に関する水素同位体比を決定するための評価を実施しました。彼は機械学習とプラズマ分光法を組み合わせてこの研究を実施しました

この研究のタイトルは「同位体比決定と予測のための核融合装置における水素同位体による分光線放射への機械学習の応用」で、『The European Physical』に掲載されました。ジャーナルD」2023年7月14日号。

磁気核融合反応に基づく将来の発電所は、重水素 - 三重水素 (DT) 混合物で確実に稼働するでしょう。ただし、トリチウムの放射能により、そのような混合物中のトリチウムの割合は、明らかな安全上の理由から規制当局が設定した閾値未満に維持する必要があります。

現在、磁気核融合研究専用のトカマクやその他の装置は、通常、純粋な水素 (H)、重水素 (D)、または HD ガス混合物を使用して動作します。欧州共同トカマクJETでは稀にDT混合物を使用するが、トリチウム含有量の規制値を遵守するには、密閉容器内のトリチウム量を正確に把握する必要がある。「核融合発電所の性能上、 「重水素と三重水素は核融合に最適であるため、混合物で動作することになるが、規制当局が課す制限を遵守するにはトリチウムの量を制御し、厳密に管理する必要がある」とクビティ氏は述べた。トリチウムの内容をリアルタイムで理解することで、原子力発電所のパフォーマンスを最適化します。」

これを評価する 1 つの方法は、トリチウム密度をパーセントで表す同位体比 T/D T を決定することです。重水素 - 三重水素プラズマ内の総プラズマ密度。さらに、安全性または最適化の目的で、DT によって運転される核融合炉ではトリチウム含有量のリアルタイム制御が必要になる場合があります。この場合、T/D T 同位体比のリアルタイムの知識が必要です。同位体比を決定する標準的な方法ではリアルタイムの適用はできませんが、人工知能が役立ちます。

「最終的な目標は、分析に非常に時間がかかる分光法の使用を避け、それをディープラーニングに置き換えるか、少なくともディープラーニングと組み合わせて予測を行うことです。 「この研究は、この目標に向けたほんの一歩にすぎません。深層学習アルゴリズムで使用できる他の機能を見つけることを可能にする手段として、私は今でも分光学を使用しています。変化を予測するための特性」とクビティ氏は説明します。 モハメッド・クビティ准教授は、将来を予測するために使用される現在の測定と組み合わせた機械学習技術 (ディープラーニングなど) について議論しました。核融合プラズマ装置の可能性。彼の論文は、ITERなどの建設中の施設での将来の実験前に予測を行うための核融合プラズマ物理学における機械学習に焦点を当てています

より正確には、Hαの使用に基づく方法の簡単な紹介単純なスペクトルを使用する方法/Dα ラインの特徴を深層学習アルゴリズムの入力特徴として使用します。目的は、上記の入力特性に基づいて水素と重水素の混合物 (HD プラズマ) の同位体比を予測することです。この方法の検証は、トカマクダイバータの典型的な条件に対して生成された 200,000 の線スペクトルのセットを使用して以前に行われました。

Koubiti は、生成スペクトルから観測スペクトルへの移行と、HD プラズマ放電から DT プラズマ放電への可能な外挿について説明します。将来の磁気核融合ベースの発電所において、DT混合物で動作する核融合プラズマ中の水素同位体比などの物理量を最も正確に予測できる堅牢な深層学習ベースの技術を実現するには、まだ対処する必要がある多くの問題が指摘されています。

次のステップは、深層学習アルゴリズムに供給する必要がある非スペクトル特徴を特定してプロジェクトを完了することだと、Koubiti 氏は付け加えました。その後、彼はこれらの発見を、JET、ASDEX-Upgrade、または WEST や DIII-D などのトカマク装置などのいくつかの磁気核融合装置、およびプラズマを閉じ込めるために外部磁石に依存するステラレータープラズマ装置でテストする予定です。

以上が機械学習が将来の核融合発電所に適した水素同位体の組み合わせを見つけるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。