联系我们

数据科学

机器学习算法可以提高核聚变反应堆的能量产量

mm

已发表

 on

12博下载app人员来自 桑迪亚国家实验室 最近设计 机器学习 algorithms 旨在改善核聚变反应堆的能量输出。该12博下载app小组利用AI算法来模拟等离子体和壁内材料之间的相互作用。 核聚变反应堆.

与涉及分裂原子的核裂变不同,聚变反应产生的能量通过等离子体的产生释放能量。氢原子过热产生等离子云,当其中的粒子相互碰撞并融合在一起时,该云释放能量。这个过程是混乱的,如果科学家能够更好地控制聚变过程,则可能导致核聚变反应堆产生的可用能量数量大量增加。

解决此问题的12博下载app人员需要进行复杂的模拟,以模拟核反应堆腔室壁与等离子体云之间的相互作用。

根据艾丹·汤普森(Aidan Thompson)的观点,机器学习算法使破解一个极其复杂的问题成为可能。汤普森和其他12博下载app人员已受能源部科学办公室的委托,负责确定机器学习如何改善核聚变反应堆的能量输出。直到现在,’对这些相互作用进行原子级的模拟是可行的。由于机器学习,现在可以模拟等离子体撞击反应器挡土墙时发生的许多细微变化。

机器学习算法擅长在数据中查找模式,学习定义对象的各种功能。因为机器学习算法可以应用以前见过的模式对未见事件进行分类,所以它们对于消除优化融合过程所涉及的许多试验和错误很有用。汤普森解释说,当在聚变室内产生等离子体时,反应堆的壁会不断被氦,氢和氘等元素的粒子撞击,因为这些元素构成了等离子体云。当等离子体撞击反应器的挡土墙时,它将以小的对接潜在的关键方式改变壁面。壁本身的组成又改变了等离子体云。反应的这个周期发生在与太阳大约相同的温度下,持续时间只有几纳秒。优化此过程需要艰苦的过程,即修改反应堆壁的组件,然后直接测量结果如何变化。

汤普森和其他12博下载app人员着手尝试由量子力学计算组成的大数据集,训练了可以预测各种原子构型能量的模型。结果就是机器学习的原子间势(MLIAP)。该算法可用于检查相对较少数量的原子之间的相互作用,将模型扩展到模拟融合过程各组成部分之间相互作用所需的数百万。根据汤普森的说法,12博下载app小组设计的模型需要数千个参数才能成为有用的仿真。

为了使模型保持有用,融合中表现出的环境与训练数据之间必须存在明显的重叠。存在多种可能的融合环境,因此12博下载app人员将不得不不断捕获数据并对模型进行更改。托马斯通过Phys.org解释:

“首先,我们的模型将用于解释小型实验。相反,该实验数据将用于验证我们的模型,然后可用于对全尺寸聚变反应堆中发生的事情进行预测。”

算法本’尚未准备好供实际的核聚变12博下载app人员使用。但是,汤普森和他的12博下载app小组是第一批尝试将机器学习应用于等离子墙问题的12博下载app人员。12博下载app小组希望,几年后,这些模型将用于设计更好的聚变反应堆。