연구원들은 기계 학습을 사용하여 고출력 레이저 실험을 최적화합니다.

고강도, 고반복 레이저는 초당 여러 번 빠르게 연속해서 강력한 빛을 방출할 수 있습니다. 상업용 핵융합 에너지 발전소와 첨단 연료 기반 방사선원은 이러한 레이저에 의존합니다. 그러나 이러한 급속한 시스템을 관리하기에는 인간의 반응 시간이 부족하여 적용이 까다롭습니다.

이 문제를 해결하기 위해 과학자들은 고강도 작업에 대한 실시간 모니터링 기능을 갖춘 자동화 및 인공 지능의 힘을 활용할 수 있는 다양한 방법을 찾고 있습니다.

미국 로렌스 리버모어 국립연구소(LLNL), 프라운호퍼 레이저기술연구소(ILT), 오로라 인프라(ELI ERIC) 연구진이 머신러닝(ML)을 사용해 체코에서 실험을 진행하고 있다. 고출력 레이저를 최적화합니다. 그들의 목표는 과학 연구 및 엔지니어링 기술 분야에서 더 나은 응용을 위해 레이저의 효율성을 향상시키는 것입니다. 이 연구는 레이저가 고출력으로 출력할 때 실패하는 경향이 있다는 현재 레이저 기술의 주요 문제를 해결하기 위해 설계되었습니다. 연구원들은 레이저 타겟 상호 작용 데이터를 기반으로 LLNL에서 개발된 인지 시뮬레이션을 사용하여 개발된 기계 학습 코드를 훈련했습니다. 연구자들은 실험이 진행됨에 따라 조정을 하게 됩니다. 출력은 ML 최적화 프로그램으로 피드백되어 실시간으로 펄스 형태를 미세 조정할 수 있습니다.

레이저 실험은 3주 동안 진행되었으며, 각 실험은 약 12시간 동안 진행되었으며, 레이저는 5초 간격으로 500회 발사되었습니다. 120회 발사마다 레이저를 정지하여 구리 타겟을 교체하고 거칠어진 타겟을 확인합니다.

LLNL의 수석 연구원인 Matthew Hill은 다음과 같이 말했습니다. “우리의 목표는 높은 강도와 ​​반복성으로 고체 표적에서 레이저 가속 이온과 전자에 대한 신뢰할 수 있는 진단을 입증하는 것입니다. 이는 기계 학습 최적화 알고리즘의 빠른 피드백을 통해 달성됩니다. 레이저 프런트 엔드를 지원하면 시스템의 총 이온 수율을 극대화할 수 있습니다."

최첨단 고반복률 고급 페타와트 레이저 시스템(L3-HAPLS)과 혁신적인 기계 학습 기술 활용 , 연구자들은 레이저-플라즈마 상호 작용을 이해하기 위한 새로운 접근 방식을 개발하고 있습니다. 복잡한 작용 물리학에서 상당한 진전이 이루어졌습니다. 이 복잡한 물리학의 측면에는 레이저 입자 가속, 플라즈마 역학 및 고에너지 밀도 물리학이 포함됩니다. 이러한 발전을 통해 우리는 복잡한 물리적 시스템의 세부 사항을 더 깊이 이해하고 탐색할 수 있습니다. 이는

에게 중요합니다. 지금까지 연구자들은 인간의 개입과 조정이 필요한 전통적인 과학적 방법에 의존해 왔습니다. 기계 학습 기능을 통해 과학자들은 대규모 데이터 세트를 보다 정확하게 분석하고 실험이 진행되는 동안 실시간으로 조정할 수 있습니다.

L3-HAPLS는 세계에서 가장 강력하고 빠른 고강도 레이저 시스템 중 하나입니다. 실험을 통해 L3-HAPLS가 우수한 성능, 우수한 반복성, 우수한 가성 품질 및 우수한 정렬을 가지고 있음이 입증되었습니다. 실험을 통해 L3-HAPLS의 기능이 입증되었으며 재료 가공, 의학 연구, 과학 연구 등 다양한 분야에 적용될 수 있음이 입증되었습니다. 이 레이저 시스템은 고에너지, 고출력, 높은 반복률의 특성을 갖고 있어 레이저 기술 개발에 새로운 돌파구를 마련했습니다. L3-HAPLS

Hill과 그의 LLNL 팀은 Fraunhofer ILT 및 ELI 팀과 협력하여 실험을 준비하는 데 약 1년을 보냈습니다. 팀은 재현 가능한 신틸레이터 이미징 시스템과 REPPS 자기 분광계를 포함하여 실험실 감독 연구 개발 프로그램에서 개발한 여러 가지 새로운 장비를 사용했습니다.

오랜 준비가 결실을 맺었고, 실험을 통해 핵융합 에너지, 재료과학, 의료 등 다양한 분야 발전의 기반이 될 수 있는 강력한 데이터가 성공적으로 생성되었습니다.

생성 인공 지능 기술은 항상 과학적 혁신과 발견의 최전선에 있었습니다. 이는 연구자들이 과학적 가능성의 경계를 넓히는 데 도움이 됩니다. 예를 들어, 지난 주 MIT와 스위스 바젤 대학의 연구원들은 재료 과학에 대한 새로운 통찰력을 밝히기 위해 새로운 기계 학습 프레임워크를 개발했습니다. 그리고 인공지능은 신약 개발에 중요한 역할을 한다는 것이 입증되었습니다.