Satu pencapaian baharu dalam gabungan nuklear yang boleh dikawal! AI berjaya meramalkan koyak plasma dalam Alam Semulajadi, membawa 'Holy Grail' tenaga bersih selangkah lebih dekat

Campuran nuklear boleh dikawal mempunyai satu kejayaan baharu!

Sejak sekian lama, pelakuran nuklear diganggu oleh "hantu" - masalah ketidakstabilan plasma.

Baru-baru ini, pasukan Princeton menggunakan kecerdasan buatan untuk berjaya meramalkan keadaan plasma gabungan nuklear yang tidak stabil 300 milisaat lebih awal daripada masa. Teknologi ini boleh membantu melaraskan kurungan medan magnet dan secara berkesan mengandungi pelepasan plasma.

Akibatnya, saintis kini dapat mengelakkan gangguan secara berkesan dalam pelakuran nuklear terkawal untuk mencapai tindak balas pelakuran berkuasa tinggi yang diingini, yang menawarkan prospek yang lebih menjanjikan untuk mencapai output tenaga yang lebih tinggi.

Hasil kejayaan besar ini telah diterbitkan dalam Alam Semula Jadi.

Alamat kertas: https://www.nature.com/articles/s41586-024-07024-9

Masalah utama gabungan nuklear yang boleh dikawal telah dipecahkan oleh AI

selama beberapa dekad , saintis telah Usaha telah dilakukan untuk mencapai pelakuran nuklear di Bumi.

Memandangkan masyarakat manusia akan menghadapi cabaran kehabisan tenaga pada masa hadapan, pelakuran nuklear yang boleh dikawal mungkin menjadi penyelesaiannya. Teknologi ini berpotensi untuk memberikan kita tenaga bersih tanpa had malah merevolusikan cara kita memerangi perubahan iklim.

Gabungan boleh dicapai dengan memaksa dua atom yang pada asalnya saling eksklusif untuk bergabung bersama.

Proses pelakuran adalah bertentangan dengan proses pembelahan nuklear yang digunakan secara meluas pada masa ini, yang bergantung pada pemisahan atom

Pelaburan berlaku apabila dua atom - biasanya atom ringan, seperti dalam hidrogen - bergabung proses memecahkan atom yang lebih berat, sejumlah besar tenaga dibebaskan.

Proses ini merupakan sumber tenaga daripada matahari dan secara tidak langsung menyokong kehidupan di bumi. Walau bagaimanapun, adalah sangat sukar untuk menggabungkan dua atom kerana ia memerlukan tekanan dan tenaga yang luar biasa untuk mengatasi tolakan bersama antara mereka.

Sebab matahari boleh mencapai tindak balas gabungan bergantung pada gravitinya yang besar dan tekanan yang sangat tinggi pada teras. Untuk mensimulasikan proses ini di Bumi, saintis menggunakan plasma yang sangat panas dan medan magnet yang kuat.

Gambar

Dalam tokamak (berbentuk seperti donat), medan magnet bekerja keras untuk mengawal plasma dengan suhu melebihi 100 juta darjah Celsius, yang lebih panas daripada pusat matahari

Walau bagaimanapun, dalam proses pelakuran nuklear, pakar selalunya hanya boleh mencapai penyelenggaraan jangka pendek tenaga gabungan, dan terdapat banyak ketidakstabilan dalam proses tersebut.

Ini kerana salah satu langkah paling kritikal dalam proses merealisasikan tenaga pelakuran nuklear adalah dengan memasukkan bahan api varian hidrogen dan memanaskannya dalam tokamak untuk menghasilkan plasma yang serupa dengan "sup" .

Tetapi plasma sukar dikawal - ia "koyak" dengan mudah dan terlepas dari medan magnet kuat yang digunakan untuk menahannya.

Nasib baik, penyelidik di Princeton University dan Princeton Plasma Physics Laboratory baru-baru ini melaporkan dalam Nature bahawa mereka menemui cara untuk menggunakan AI untuk meramalkan potensi ketidakstabilan ini, dan mencegah gangguan percubaan dalam masa nyata.

Pasukan ini terdiri daripada jurutera, ahli fizik dan saintis data.

Dari kiri ke kanan: Azarakhsh Jalalvand, Egemen Kolemen dan Ricardo Shousha

Dalam eksperimen yang dijalankan di Kemudahan Gabungan Kebangsaan DIII-D di San Diego, pasukan penyelidik mendapati bahawa -

Sistem kawalan AI mereka dapat meramalkan potensi koyak plasma 300 milisaat lebih awal.

Dan tanpa campur tangan ini, tindak balas gabungan mungkin akan terganggu secara tiba-tiba!

Penyelidik menggunakan AI untuk meramal dan mengelakkan pembentukan ketidakstabilan koyakan (gambar kiri), yang dengan cepat boleh membawa kepada kemusnahan plasma dan penamatan tindak balas gabungan

Setakat ini, jangka panjang Masalah ketidakstabilan plasma yang telah menghalang perkembangan pelakuran nuklear akhirnya dapat diatasi oleh manusia.

Penemuan ini juga telah meningkatkan keyakinan saintis.

Egemen Kolemen, seorang profesor di Jabatan Kejuruteraan Mekanikal dan Aeroangkasa di Universiti Princeton dan salah seorang pengarang laporan penyelidikan, menerangkan mengapa penemuan ini begitu penting.

Gangguan dan ketidakstabilan adalah salah satu halangan utama kepada pelakuran nuklear yang boleh dikawal Kita semua berharap mana-mana reaktor boleh terus beroperasi dengan stabil selama bertahun-tahun. Memandangkan penyelesaian sedemikian telah dibangunkan, keyakinan kami telah meningkat dengan ketara bahawa kini mungkin untuk mengendalikan unit ini tanpa sebarang gangguan.

AI berjaya melaksanakan strategi kawalan keadaan plasma

Bagaimana AI mencapainya?

Model yang dibentangkan oleh penyelidik menunjukkan bahawa ia boleh meramalkan "ketidakstabilan mod koyakan" (iaitu potensi ketidakstabilan plasma) hanya dengan menganalisis data percubaan yang lalu, dan bukannya bergantung pada model fizikal.

Dan, ia boleh meramalkan sehingga 300 milisaat lebih awal!

Bagi manusia, tempoh masa ini mungkin hanya sekelip mata, tetapi bagi pengawal AI, ia sudah cukup untuk melaraskan parameter operasi untuk mengelakkan koyakan dalaman medan magnet plasma, dengan itu mengekalkan keadaannya yang stabil.

Dalam proses ini, AI berjaya melaksanakan strategi kawalan untuk keadaan plasma yang stabil dan bertenaga tinggi dalam reaktor sebenar dalam masa nyata.

Kaedah ini lebih dinamik berbanding kaedah asal.

Jaemin Seo, penolong profesor fizik di Universiti Chung-Ang di Korea Selatan dan pengarang pertama kertas kerja itu, menjelaskan: "Penyelidikan sebelum ini biasanya tertumpu pada menekan atau mengurangkan kesan ketidakstabilan yang mengoyak ini selepas ia muncul dalam plasma. Tetapi kaedah kami boleh Menjangka dan mengelakkan ketidakstabilan ini sebelum ia terbentuk"

AI+Plasma Physics=?

Penyelidik akan memikirkan AI kerana ketidakstabilan mod tearing berlaku terlalu mendadak dan terlalu pantas!

Untuk bertindak balas dalam beberapa milisaat, cepat memproses data baharu dan bertindak balas, hanya AI boleh melakukannya.

Walau bagaimanapun, membangunkan sistem kawalan AI yang berkesan bukanlah mudah.

Apatah lagi, dalam persekitaran tokamak, masa percubaan adalah amat berharga dan risikonya amat tinggi.

Pada pendapat Azarakhsh Jalalvand, pengarang bersama kertas kerja, mengajar algoritma AI untuk mengawal tindak balas gabungan dalam tokamak adalah seperti mengajar orang menerbangkan kapal terbang.

Anda bukan sahaja perlu memberikan kunci kepada AI dan biarkan ia meneroka sendiri, tetapi anda juga perlu membiarkannya berlatih berulang kali dalam simulator penerbangan yang kompleks sehingga ia menguasai kemahiran yang mencukupi.

Deep Neural Network

Oleh itu, pasukan Princeton menggunakan data daripada eksperimen lepas DIII-D Tokamak untuk membina rangkaian saraf dalam yang boleh meramalkan masa depan berdasarkan ciri-ciri plasma masa nyata berlakunya ketidakstabilan mod koyakan.

Menggunakan rangkaian saraf ini, para penyelidik melatih algoritma pembelajaran pengukuhan.

Algoritma ini seperti perintis pembelajaran, mempelajari pelbagai strategi untuk mengawal plasma melalui percubaan dan kesilapan dalam persekitaran simulasi, dan mengetahui mana yang berkesan dan mana yang tidak berkesan.

Jalalvand menjelaskan bahawa bukannya mengajar model pembelajaran pengukuhan fizik tindak balas pelakuran yang kompleks, mereka memberitahunya: Matlamat anda adalah untuk mengekalkan tindak balas berkuasa tinggi, mengelakkan ketidakstabilan mod koyakan dan menunjukkan bahawa parameter itu boleh dilaraskan.

Dalam eksperimen gabungan simulasi yang tidak terkira banyaknya, model cuba mencari cara untuk mengekalkan tahap kuasa tinggi sambil mengelakkan ketidakstabilan.

Lama kelamaan, algoritma itu sendiri mempelajari laluan optimum untuk mencapai tindak balas berkuasa tinggi sambil mengelakkan ketidakstabilan!

Pengarang bersama SangKyeun Kim berkata: "Kami dapat melihat logik di sebalik niat model. Kadang-kadang model itu mahu berubah terlalu cepat, dan kami perlu menjadikan tingkah laku model lebih lancar dan stabil. Sebagai manusia , Kita perlu mencari keseimbangan antara niat AI dan toleransi sebenar tokamak "

Apabila penyelidik cukup yakin dengan keupayaan pengawal AI, mereka mula bekerja pada D-. III D tokamak Ujian telah dijalankan dalam eksperimen gabungan sebenar Carmack untuk melihat bagaimana pengawal melaraskan parameter tertentu dalam masa nyata untuk mengelakkan ketidakstabilan, termasuk menukar bentuk plasma dan keamatan input rasuk kepada tindak balas.

Hasilnya menunjukkan bahawa AI boleh berjaya meramalkan ketidakstabilan!

Dengan cara ini, penyelidik tidak lagi pasif dan tidak perlu menunggu sehingga kehilangan kawalan plasma telah berlaku sebelum mengambil langkah.

Reka bentuk sistem pembelajaran tetulang untuk kawalan

Menurut pengenalan kertas, pengawal AI yang direka oleh penyelidik secara automatik boleh melaraskan kerja pengawal mengikut keadaan plasma yang dipantau, dengan itu memastikan kestabilan plasma Pada masa yang sama, tingkatkan tekanannya sebanyak mungkin.

Rajah 1: Rangka kerja reka bentuk sistem

Rajah 1a dan 1b: Sampel plasma biasa dalam eksperimen, serta alat diagnostik dan peralatan kawalan yang dipilih untuk kajian. Antaranya, pada q = 2 permukaan fluks magnet, ketidakstabilan koyakan mod 2/1 mungkin berlaku.

Rajah 1c: Seni bina sistem kawalan yang mampu memproses isyarat pengukuran dan menjana arahan penggerak yang sepadan.

Rajah 1d: Pengawal AI berasaskan DNN dapat menentukan arahan kawalan peringkat tinggi untuk kuasa pancaran keseluruhan dan bentuk plasma berdasarkan strategi terlatih. Sistem Kawalan Plasma (PCS) bertanggungjawab untuk mengira isyarat kawalan gegelung magnetik dan kuasa setiap rasuk untuk memastikan ia bukan sahaja memenuhi keperluan kawalan lanjutan yang ditetapkan oleh pengawal AI, tetapi juga mematuhi sekatan yang ditetapkan oleh pengguna.

Reka Bentuk Sistem

Untuk menghasilkan tenaga gabungan dengan cekap, kuncinya ialah mengekalkan tekanan tinggi dalam plasma sambil mengelakkan ketidakstabilan yang boleh menyebabkan peranti berhenti beroperasi secara tiba-tiba.

Walau bagaimanapun, apabila plasma dipanaskan untuk meningkatkan tekanannya, cth. oleh rasuk neutral, ambang ditemui (garisan hitam dalam Rajah 2a).

Melebihi ambang ini, plasma akan mengalami ketidakstabilan koyak, yang boleh membawa kepada pecah plasma dengan cepat (Rajah 2b dan 2c).

Perlu diperhatikan bahawa ambang kestabilan ini akan berubah apabila keadaan plasma berubah, dan dalam beberapa kes, mengurangkan tekanan juga boleh mencetuskan ketidakstabilan.

Seperti yang ditunjukkan oleh garis biru dalam Rajah 2, dengan melaraskan operasi pengawal mengikut keadaan plasma, adalah mungkin untuk meneruskan tekanan plasma yang lebih tinggi tanpa menyebabkan ketidakstabilan.

Rajah 2: Tindak balas sistem mengelakkan koyakan AI terhadap kawalan tokamak dan plasma

Malah, kita boleh memahaminya sebagai "masalah mengelak halangan", di mana halangan adalah faktor risiko yang memaksa penamatan eksperimen.

Secara khusus mengenai pelakuran nuklear itu sendiri, ia adalah untuk mengawal peranti tokamak untuk menjadikan plasma berjalan di sepanjang laluan sempit yang mengekalkan tekanan tinggi tanpa melebihi had kestabilan.

Untuk mencapai matlamat ini, para penyelidik melatih model Aktor melalui kaedah pembelajaran pengukuhan dan mereka bentuk fungsi ganjaran R untuk mengukur seberapa tinggi tekanan yang boleh dicapai oleh plasma dengan risiko koyak yang boleh diterima.

Di sini β_N mewakili nilai normal tekanan plasma, T mewakili risiko koyak, dan k ialah ambang keselamatan yang ditetapkan secara buatan. Lebih khusus lagi, β_N dan T ialah hasil ramalan 25 milisaat selepas pengawal AI mengambil tindakan.

Mengikut ramalan ini, jika risiko koyak lebih rendah daripada ambang yang kami tetapkan, model Aktor akan menerima ganjaran positif mengikut tekanan plasma jika tidak, ia akan menerima ganjaran negatif.

Untuk memperoleh ganjaran yang lebih tinggi mengikut persamaan (1), Pelakon terlebih dahulu perlu meningkatkan nilai β_N melalui tindakan kawalannya.

Walau bagaimanapun, peningkatan dalam β_N boleh menyebabkan plasma menjadi tidak stabil dan akhirnya menjadikan penunjuk koyakan (T) melebihi ambang keselamatan (k), yang akan membawa kepada pengurangan ganjaran. Khususnya, apabila T melebihi k, ganjaran berkurangan secara mendadak.

Oleh itu, ejen kawalan akan memberi keutamaan untuk mengekalkan T di bawah ambang selamat k, bukannya sekadar mengejar peningkatan β_N.

Melalui latihan pembelajaran pengukuhan yang mencukupi, Actor akhirnya dapat mencari strategi pengimbangan yang boleh mengejar tekanan plasma tinggi sambil memastikan penunjuk koyakan kekal dalam julat yang selamat.

Strategi ini membolehkan tokamak berjalan di sepanjang laluan yang dirancang dengan tepat semasa pelepasan, seperti yang ditunjukkan dalam Rajah 2d.

Rajah 2: Kawalan tokamak dan tindak balas plasma oleh sistem pengelakan koyakan AI

Memandangkan berlakunya koyakan bergantung pada maklumat spatial dan kecerunannya, Pembolehubah pemerhatian ditetapkan kepada satu dimensi. dan profil magnet dipetakan dalam koordinat fluks.

Secara khusus, lengkung ketumpatan elektron, suhu elektron, putaran ion, faktor keselamatan dan tekanan plasma diperhatikan.

Hasil eksperimen

Garis hitam dalam Rajah 3b menunjukkan contoh gangguan plasma akibat ketidakstabilan koyakan.

Dalam pelepasan ini, tahap parameter tertentu (β_N = 2.3) dikekalkan menggunakan kawalan maklum balas tradisional. Walau bagaimanapun, pada 2.6 saat, ketidakstabilan koyakan yang teruk berlaku, mengakibatkan penurunan mendadak dalam parameter dan akhirnya gangguan plasma pada 3.1 saat.

Garis biru dalam Rajah 3b ialah kuasa pancaran dan bentuk plasma di bawah kawalan AI. Rajah 3c dan Rajah 3d masing-masing menunjukkan pelarasan bentuk plasma dan kuasa rasuk semasa proses kawalan tertentu.

Semasa nyahcas ini, pengawal AI merumuskan arahan pelarasan untuk kuasa dan bentuk rasuk berdasarkan data plasma masa nyata, yang ditukarkan kepada operasi khusus oleh sistem kawalan plasma (PCS), seperti melaraskan gegelung magnet semasa dan Kawal dengan tepat kuasa lapan rasuk.

Garis biru dalam Rajah 3e ialah anggaran berikutnya bagi nyahcas terkawal AI. Ia boleh dilihat bahawa kecenderungan koyakan dikawal dengan berkesan di bawah ambang yang telah ditetapkan semasa keseluruhan proses, selaras sepenuhnya dengan jangkaan.

Percubaan ini bukan sahaja membuktikan bahawa kawalan AI boleh mengurangkan risiko koyakan dengan lebih berkesan daripada kaedah kawalan tradisional, tetapi juga menunjukkan peningkatannya dalam prestasi keseluruhan berbanding eksperimen rujukan, mencerminkan kelebihan kawalan penyesuaian AI.

Rajah 3: Percubaan mengelakkan koyakan berdasarkan tenaga AI

Rajah 4a menunjukkan tiga eksperimen menggunakan pengawal dengan ambang tetapan berbeza, masing-masing 0.2, 0.5 dan 0.

Antaranya, apabila ambang ditetapkan kepada 0.5 dan 0.7, plasma boleh terus stabil, dan tiada ketidakstabilan yang merosakkan berlaku sehingga tamat eksperimen.

Rajah 4b hingga 4d menunjukkan kecenderungan koyakan yang dianalisis selepas tiga eksperimen. Warna latar belakang dalam rajah menunjukkan kecenderungan koyakan yang diramalkan pada kuasa rasuk yang berbeza pada setiap titik masa, kuasa rasuk yang digunakan sebenar ditandakan dengan garis hitam, dan garisan putus-putus menunjukkan tahap kecenderungan koyakan pada ambang yang berbeza.

Dapat dilihat bahawa tetapan ambang yang berbeza akan menyebabkan kawalan AI menunjukkan ciri tingkah laku yang berbeza.

Analisis Rajah 4b menunjukkan bahawa model ramalan koyakan boleh memberi amaran 300 milisaat sebelum ketidakstabilan berlaku, dan pengawal juga cuba mengurangkan lagi kuasa pancaran.

Dalam Rajah 4c, pengawal AI dengan k = 0.5 ditetapkan untuk bertindak balas terhadap amaran ketidakstabilan dengan mengambil langkah lebih awal untuk mengelak daripada mencapai ambang secara aktif.

Memandangkan mekanisme ganjaran dikira berdasarkan kecenderungan koyakan 25 milisaat selepas pengawal mengambil tindakan, pengawal terlatih akan mengambil tindakan puluhan milisaat sebelum amaran berlaku. . langkah pertama dalam memajukan bidang penyelidikan gabungan.

Pertama, mereka merancang untuk mengumpul lebih banyak bukti mengenai DIII-D untuk membuktikan kesan sebenar pengawal AI, dan kemudian mengembangkan aplikasinya ke peranti tokamak lain.

"Kami mempunyai bukti kukuh bahawa pengawal ini berfungsi dengan baik pada DIII-D, tetapi kami memerlukan lebih banyak data untuk membuktikan bahawa ia boleh mengendalikan pelbagai situasi yang berbeza," kata Seo, pembangun pertama. "Matlamat kami adalah untuk membangunkan penyelesaian yang lebih umum."

Ricardo Shousha, yang merupakan pelajar siswazah dalam pasukan Kolemen dan kini merupakan penyelidik pasca doktoral di PPPL dan pengarang bersama, menjelaskan: "Anda boleh bayangkan bahawa terdapat fungsi ganjaran komprehensif yang melaraskan berbilang parameter untuk mengawal berbilang parameter pada masa yang sama Dalam proses membangunkan pengawal AI yang lebih baik untuk mengawal tindak balas gabungan, penyelidik juga mungkin mendapat pemahaman yang lebih mendalam tentang fizik asas plasma.

Dengan menganalisis keputusan yang dibuat oleh pengawal AI apabila mengekalkan kestabilan plasma, ia boleh didapati bahawa ia selalunya sangat berbeza daripada kaedah tradisional.

Ini menunjukkan bahawa AI bukan sahaja boleh menjadi alat yang berkesan untuk mengawal tindak balas pelakuran nuklear, tetapi juga berfungsi sebagai sumber pengajaran baharu untuk membantu kami memahami dan meneroka sains gabungan dari perspektif yang berbeza.

Jaemin Seo ialah penyelidik pasca doktoral yang memfokuskan pada penerapan teknologi pembelajaran mesin untuk ramalan dan kawalan plasma dalam projek KSTAR dan DIII-D

Jaemin menerima PhD dari Jabatan Kejuruteraan Nuklear, Universiti Kebangsaan Seoul. Dalam tempoh ini, beliau secara inovatif menggunakan kaedah pembelajaran pengukuhan untuk mereka bentuk algoritma kawalan plasma baharu untuk KSTAR.

Pada masa ini, fokus penyelidikannya telah beralih kepada meneroka ramalan mod koyakan dan teknologi kawalan dalam projek DIII-D.

Selain itu, Jaemin juga sedang mengusahakan model rangkaian saraf pantas yang bertujuan untuk membina semula keadaan keseimbangan dinamik plasma dalam masa nyata, yang sangat penting untuk meningkatkan kecekapan dan ketepatan algoritma kawalan.

Egemen Kolemen

Pengarang yang sepadan Egemen Kolemen ialah profesor bersekutu kejuruteraan mekanikal dan aeroangkasa di Universiti Princeton dan memegang jawatan di Pusat Tenaga dan Alam Sekitar Andlinger serta Makmal Fizik Plasma Princeton (PPPL).

Sebagai peneraju Projek Tenaga Lestari, beliau menerima Anugerah Kecemerlangan David J. Rose atas sumbangan cemerlang beliau dalam bidang kejuruteraan gabungan dan dipilih sebagai Felo Saintis ITER.

Penyelidikan Profesor Kolemen didedikasikan untuk menggabungkan teknologi kejuruteraan dengan analisis fizikal, bertujuan untuk membangunkan reaktor gabungan yang kos efektif. Pada masa ini, beliau mengetuai pasukan untuk menjalankan penyelidikan tentang pembelajaran mesin, pemantauan dan kawalan masa nyata dalam projek KSTAR, NSTX-U dan DIII-D.