10月9日，美國(guó)能源部普林斯頓等離子體物理實(shí)驗(yàn)室(PPPL)發(fā)布了一項(xiàng)重大研究成果《New AI models of plasma heating lead to important corrections in computer code used for fusion research》。該研究開(kāi)發(fā)了開(kāi)創(chuàng)性的人工智能(AI)模型，這些模型正在重塑我們對(duì)聚變實(shí)驗(yàn)中等離子體加熱的理解。這些新模型不僅將預(yù)測(cè)速度提高了1000萬(wàn)倍，而且在傳統(tǒng)數(shù)字代碼失敗的情況下也能提供準(zhǔn)確的結(jié)果。這一突破性的進(jìn)展將在10月11日在亞特蘭大舉辦的美國(guó)物理學(xué)會(huì)等離子體分會(huì)第66屆年會(huì)上進(jìn)行展示。

　　機(jī)器學(xué)習(xí)在核聚變研究中的力量

　　AI模型利用機(jī)器學(xué)習(xí)技術(shù)，專(zhuān)注于預(yù)測(cè)等離子體中電子和離子在受到離子回旋加速器頻率范圍(ICRF)加熱時(shí)的行為。這種加熱方法對(duì)于實(shí)現(xiàn)發(fā)生聚變反應(yīng)所需的高溫至關(guān)重要。PPPL的副研究物理學(xué)家Álvaro Sánchez-Villar，同時(shí)也是發(fā)表在《Nuclear Fusion》雜志上的研究的主要作者，他解釋了他們工作的重要性：“通過(guò)我們的智慧，我們能夠訓(xùn)練人工智能超越現(xiàn)有數(shù)值模型的局限。”該研究團(tuán)隊(duì)與五個(gè)機(jī)構(gòu)合作，使用現(xiàn)有計(jì)算機(jī)代碼生成的數(shù)據(jù)訓(xùn)練他們的 AI 模型。雖然這些數(shù)據(jù)中的大部分與之前的結(jié)果一致，但研究人員在某些極端情況下遇到了意想不到的結(jié)果。

　　克服現(xiàn)有模型的局限性

　　在研究過(guò)程中，團(tuán)隊(duì)在特定條件下發(fā)現(xiàn)了加熱曲線(xiàn)的異常現(xiàn)象。Álvaro Sánchez-Villar描述了這一情況：“我們注意到，在某些參數(shù)設(shè)置下，加熱曲線(xiàn)會(huì)出現(xiàn)莫名其妙的不穩(wěn)定峰值，而這些峰值背后并沒(méi)有物理原理的支持。”

　　美國(guó)能源部普林斯頓等離子體物理實(shí)驗(yàn)室的副研究物理學(xué)家阿爾瓦羅·桑切斯·維拉爾 (Álvaro Sánchez Villar) 開(kāi)發(fā)了用于等離子體加熱的新型 AI 模型，該模型可以提高預(yù)測(cè)速度，同時(shí)保持準(zhǔn)確性，并在原始數(shù)字代碼失敗的地方提供準(zhǔn)確的預(yù)測(cè)。(照片來(lái)源：Michael Livingston / PPPL 通訊部)這一發(fā)現(xiàn)使研究人員意識(shí)到：他們的AI模型不僅復(fù)制了現(xiàn)有代碼，而且實(shí)際上正在改進(jìn)它。通過(guò)仔細(xì)整理訓(xùn)練數(shù)據(jù)，他們有效地創(chuàng)建了原始代碼的更準(zhǔn)確版本。桑切斯-維拉爾強(qiáng)調(diào)了這一發(fā)現(xiàn)的含義："這意味著，實(shí)際上，我們通過(guò)數(shù)據(jù)的精心篩選，相當(dāng)于間接修復(fù)了原始代碼，"桑切斯·維拉爾解釋道。"正如每一種技術(shù)一樣，只要運(yùn)用得當(dāng)，人工智能不僅能幫助我們更迅速地解決問(wèn)題，還能幫助我們以更好的方式解決問(wèn)題，克服我們?nèi)祟?lèi)的局限。"

　　氘的加熱曲線(xiàn)顯示在 (d) 次要、(e) 主要和 (f) 嚴(yán)重異常值案例中。黑色表示原始數(shù)字代碼與異常值特征(峰值)一起顯示。紅色顯示 AI 模型的預(yù)測(cè)。綠色顯示更正后代碼的預(yù)測(cè)，AI 模型預(yù)料到這些預(yù)測(cè)，甚至預(yù)測(cè)更高的加熱。(圖片來(lái)源：Álvaro Sánchez-Villar / PPPL)

　　加速聚變研究

　　這些AI模型在速度上的提升同樣令人矚目。它們將ICRF加熱預(yù)測(cè)的計(jì)算時(shí)間從60秒大幅縮短至2微秒，提升了1000萬(wàn)倍。這樣的加速讓研究人員能夠進(jìn)行更多模擬實(shí)驗(yàn)，并探索更多樣化的情況，以期實(shí)現(xiàn)將聚變能轉(zhuǎn)化為實(shí)用能源的目標(biāo)。這些進(jìn)步有可能使科學(xué)家和工程師能夠快速迭代和優(yōu)化他們的實(shí)驗(yàn)設(shè)計(jì)，從而顯著加速聚變研究。快速準(zhǔn)確地預(yù)測(cè)等離子體加熱行為的能力可以帶來(lái)更高效的聚變反應(yīng)器設(shè)計(jì)，并使我們更接近實(shí)現(xiàn)可持續(xù)的聚變能源。

　　展望未來(lái)：AI 在聚變科學(xué)中的未來(lái)

　　這些AI模型在等離子體加熱預(yù)測(cè)方面的成功為將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用于聚變研究的其他方面開(kāi)辟了新的可能性。隨著AI在克服傳統(tǒng)數(shù)值模型局限性方面不斷證明其價(jià)值，我們可能會(huì)看到聚變科學(xué)中向更多AI集成方法的轉(zhuǎn)變。然而，重要的是要注意，雖然這些AI模型顯示出巨大的前景，但它們并不能完全替代傳統(tǒng)的基于物理的模型。相反，它們是強(qiáng)大的補(bǔ)充工具，可以增強(qiáng)和加速現(xiàn)有的研究方法。隨著聚變能研究的進(jìn)展，先進(jìn)的人工智能技術(shù)與對(duì)物理學(xué)的深刻理解相結(jié)合可能是釋放這種清潔、幾乎無(wú)限的能源潛力的關(guān)鍵。

免責(zé)聲明：本網(wǎng)轉(zhuǎn)載自合作媒體、機(jī)構(gòu)或其他網(wǎng)站的信息，登載此文出于傳遞更多信息之目的，并不意味著贊同其觀點(diǎn)或證實(shí)其內(nèi)容的真實(shí)性。本網(wǎng)所有信息僅供參考，不做交易和服務(wù)的根據(jù)。本網(wǎng)內(nèi)容如有侵權(quán)或其它問(wèn)題請(qǐng)及時(shí)告之，本網(wǎng)將及時(shí)修改或刪除。凡以任何方式登錄本網(wǎng)站或直接、間接使用本網(wǎng)站資料者，視為自愿接受本網(wǎng)站聲明的約束。