Лабораторія лазерної енергетики Університету Рочестера (LLE) оснащена омега -лазером, провідною світовою академічною лазерною установкою. З першого погляду він виглядає як вишукана мармурова злітно -посадкова смуга світла частинок і плазми, здатна розщеплювати та посилювати промінь, перш ніж зосередити його на крихітній перехресній цілі. Основна його місія полягає у дослідженні астрофізичних явищ, тестових матеріалів на екстремальний тиск атомного масштабу та працювати над просуванням руйнівних досліджень синтезу.
Завдяки гранту в розмірі 503 мільйонів доларів до 2024 року від Національної адміністрації ядерної безпеки Міністерства енергетики США (DOE), Лабораторія Лазера Рочестера створила ідеальні умови для проведення цих критичних досліджень. Лазерна лабораторія проводить складні експерименти з злиттям раз на місяць, і вчені мають близько п’яти можливостей стріляти лазерами та записувати дані. За допомогою багатофізичних польових комп'ютерних моделювання вчені здатні глибше розуміти плазму синтезу, експериментів з проектування та інтерпретувати результати, навіть якщо ці моделювання не можуть повністю відтворити всі експериментальні деталі.
Експеримент розпочався з пластикової капсули, що містить заморожений дейтерій-тритіум, діаметром лише міліметра, при температурі 20 градусів вище абсолютного нуля ",-сказав директор LLE Крістофер Діні. Тоді, за мільярд секунди, капсула стискається до Діаметр менший за пасмо волосся людини, і температура піднімається до понад 30 мільйонів градусів ". Цей процес не тільки потребує глибоких знань фізики, але й передові діагностичні методи також повинні бути використані для детального вимірювання всіх явищ, що відбуваються в цей момент.
Щоб скористатися багатством даних, зібраними цими вдосконаленими діагностичними методами, та широко прискорити дослідження синтезу США, вчені LLE звертаються до штучного інтелекту (AI) та інших передових обчислювальних технологій.
Понад 50 років LLE активно просуває та вирішує основні виклики в галузі інерційного синтезу (ICF). ICF широко визнаний у науковій спільноті як найбільш перспективний підхід до досягнення контрольованого термоядерного синтезу та являє собою перспективну чисту, відновлювану енергетику.
Крістофер Канан, доцент кафедри інформатики в Університеті Рочестера, пояснює: "ICF, по суті, є зворотною проблемою фізики, де вченим потрібно обернути точні властивості лазера та цілі".
Сама Омега була розроблена не для досягнення запалювання, а для просунення розуміння лазерно-керованого синтезу. Національний заклад запалювання в Національній лабораторії Лівермора, яка в 60 разів більше енергійної, ніж Омега, знайшла рішення проблеми зворотної фізики і вже досяг запалювання в 2022 році. І прогрес, досягнутий при Омега, так і досягнення запалювання, спираючись на статистичне моделювання Щоб заповнити прогалини в повному розумінні фізики.
Розрив знань, що існує між симуляцією та експериментами, випливає з складності фізики, обмеження вимірювань та широкого обсягу дослідницьких зусиль, що включає ядерну фізику, фізику плазми та дослідження матеріалознавства, проведені в екстремальних умовах, які кидають виклик навіть найсучасніші комп'ютерні коди.
По -перше, є питання про ціль; Експеримент починається з порожнистої пластикової сфери, яку можна розмістити на кінчику шпильки; Дослідники LLE використовують точні інструменти для створення сфери та заповнення її водневими ізотопами, які потім охолоджуються до абсолютного нуля. Процес заморожування змусив водню утворювати шар льоду всередині пластикової оболонки.
Дослідницька група LLE шукає спосіб точно виявити нюанси та закономірності в даних як засіб керівного комп'ютерного моделювання для отримання більш точних прогнозів. Ця вдосконалена спроможність прогнозована, в свою чергу, вдосконалює експерименти з злиттям та сприятиме наступному поколінню досліджень синтезу та лазерних технологій.
Штучний інтелект, зокрема, його підполечне машинне навчання може допомогти оптимізувати прогнозну ефективність комп'ютерних кодів та покращити прогнози за допомогою досвіду. Машинне навчання не тільки виконує аналітику прогнозування, але й обробляє дані, спричиняє взаємозв'язки та застосовує ці знання до його функцій.
Ріккардо Бетті, головний вчений LLE та професор Роберта Л. Маккрорі на кафедрі машинобудування та кафедра фізики та астрономії в Університеті Рочестера, зазначив: "Зараз у нас є велика кількість експериментальних даних, які за допомогою Машинне навчання, може бути використане для виправлення моделювання та направлення в режимі реального часу до експериментів.
Дослідницька робота Бетті та Канана базується на останніх досягненнях генеративного штучного інтелекту, техніці AI, яка генерує дані та інші форми продукції, такі як текст та відео. Дослідницька група університету Рочестера використовує ці вдосконалені алгоритми для вирішення зворотних проблем фізики для підвищення точності моделювання. Програма Міністерства енергетики Міністерства енергетики (FES) забезпечила майже 3 мільйони доларів підтримки фінансування цього дослідження, яке, як очікується, буде завершено до 2026 року.
Ріккардо Бетті додав: "Наша мета-покращити прогнози моделювання за допомогою генеративних ШІ та точно висновити властивості взаємодій лазер-ціл.
Доктор Вархас Гопаласвамі, вчений з теорії теорії Лле та доцент кафедри машинобудування, заявляє: "Як тільки ми сприймаємо розбіжність між прогнозами моделювання та експериментальними результатами, ми можемо застосувати машинне навчання для узгодження двох". Далі він пояснює: "Якщо змінна зміни в експерименті, чи може моделювання відповідати відповідно? Чи буде ця відповідь відображатись в експерименті? Це підтвердить точність нашої гіпотези та визначатиме, чи можемо ми відповідно коригувати змінну чи розробити стратегію пом'якшення наслідків пом'якшення наслідків " Gopalaswamy додав: "З більш глибоким аналізом моделей моделей у даних ми змогли сформулювати нові гіпотези, досліджувати різні фізичні явища та розробити кращі експерименти".
Gopalaswamy також зазначив: "Однією з проблем протистояння МКФ є те, що експериментальні дані Fusion, які ми використовували для навчання, були відносно обмеженими порівняно з величезною базою даних котів. У цьому випадку особливо складно використовувати наявні емпіричні дані Для подолання розриву знань.
Американське фізичне товариство визнало роботу Бетті, Гопаласвамі та інших вчених LLE з премією Джона Доусона за досконалість у дослідженні фізики в плазмі для їх піонерських досягнень у прогнозуванні, розробці та аналізі експериментів імплозії з 30 кДж -омега -лазером.
Дослідження штучного інтелекту та машинного навчання в Лазерній лабораторії Рочестера також сприяло ряду відкриттів Дастіном Флолою, директором плазми та ультрашвидкісного лазерного та інженерного підрозділу та його команди. Протягом своєї кар'єри Флула та його команда розробили різноманітні методики, включаючи одну для вимірювання температури плазми за допомогою розсіювання Томсона, і навіть розбили нову грунт у методах "мухомор" або контролюючи лазерну інтенсивність на великі відстані. І машинне навчання революціонує те, як ми розробляємо експерименти, що дозволяє нам будувати кращі лазери, як ми передбачаємо заклади наступного покоління. "Далі він пояснює:" Лазери використовувались різними способами. Далі він пояснює: "Кілька кольорів у спектрі лазерного променя допоможуть плазмі поширюватися через промінь більш ефективно, а AI допомагає нам зрозуміти складні взаємодії між цими різними кольорами та плазмою".
Нарешті, Департамент досліджень ядерного синтезу Міністерства енергетики дав призначення національного дослідницького центру, призначеного для просування енергії інерційного синтезу (IFE), перспективної технології чистої енергії, яка покладається на злиття важких водню (дезутерій та тритію) атомів виробляти енергію.
Спираючись на міждисциплінарні сильні сторони Університету Рочестера, LLE успішно набрав декількох студентів для покращення застосування штучного інтелекту та машинного навчання в конвергентних дослідженнях.
За словами Gopalaswamy, "Наша мета - надихнути студентів постійною пристрастю до машинного навчання для подальшого підвищення точності наших діагностичних інструментів. Дійсно, нам потрібні експерти з АІ. і науково обгрунтовано.
Він додав: "Коли нація переходить до чистої енергії та стійкої сили, застосування ШІ в дослідженні Fusion є перспективним і може стати новою сферою робочої сили".
Валері Гонхаров, директор відділу теорії LLE та доцент наукового співробітника кафедри машинобудування, зазначив: "Штучний інтелект є важливим інструментом для керівництва нашими дослідженнями. Оптимізуючи ці інструменти, ми можемо покращити результати наших досліджень. Хоча ці інструменти полегшують дослідження , рушійна сила інновацій досі випливає з нашого інтелекту.
