Нейросеть облегчила поиск «магнитных теней» в термоядерном реакторе
Американские ученые разработали новый метод на основе искусственного интеллекта (ИИ), позволяющий ускорить обнаружение «магнитных теней» в термоядерных установках. Эти области обеспечивают защиту критически важных элементов конструкции от чрезмерного нагрева, вызванного высокотемпературной плазмой, пишет ScienceDaily.
Созданный ИИ-инструмент, получивший название HEAT-ML, имеет потенциал для ускорения проектирования следующего поколения термоядерных устройств. Программное обеспечение на его основе позволит оптимизировать управление процессами термоядерного синтеза, обеспечит оперативное выявление возможных проблем до их появления и повысит эффективность эксплуатации установок.
Термоядерная энергетика рассматривается как многообещающий источник практически неограниченной электрической энергии, но успешная реализация устойчивого контролируемого термоядерного синтеза предполагает преодоление множества научно-технических препятствий. Ключевое значение приобретает эффективное регулирование температурного режима сверхнагретой плазмы, достигающей уровня, превосходящего температуру центральных областей Солнца, с целью равномерного рассеивания избыточного тепла и предотвращения термического повреждения конструкционных материалов.
Проект реализуется в рамках сотрудничества Принстонской лаборатории физики плазмы с частным сектором. Инструментарий HEAT-ML разрабатывался специально для анализа условий в экспериментальном токамаке SPARC, создаваемом компанией CFS. Цель проекта — демонстрация чистого выхода положительной энергии к 2027 году, то есть создание установки, производящей больше энергии, чем потребляется.
Основная задача команды заключалась в создании модели поведения тепловых потоков в токамаке SPARC. Для упрощения расчетов было принято решение сосредоточиться на участках, подверженных максимальному воздействию плазмы. Это особенно важно для защиты элементов структуры, непосредственно контактирующих с плазмой. Ученые использовали концепцию «теневых масок» — трехмерных карт зон, находящихся вне области прямого контакта с потоками высокой температуры. Их расположение определяется конфигурацией внутренних компонентов токамака и взаимодействием с линиями магнитного поля, обеспечивающего удержание плазмы.
Алгоритм HEAT-ML отслеживает траектории магнитных силовых линий, начинающихся от поверхности внутреннего элемента токамака, чтобы выяснить, проходит ли данная линия сквозь другие компоненты аппарата. Области, через которые силовые линии проходят свободно, отмечаются как «затененные». Ранее подробное трассирование линий и проверка их пересечения с детализированной трехмерной моделью конструкции были значительным препятствием в работе. Выполнение одного полного цикла моделирования занимало около 30 минут. Иногда этот процесс затягивался еще дольше, особенно при сложной геометрии элементов. Инновационная система HEAT-ML решила данную проблему. С ее помощью удалось сократить продолжительность расчета до всего лишь нескольких миллисекунд.
Разработка основана на технологии глубокой нейронной сети — разновидности машинного обучения, использующей многослойные математические операции и настраиваемые параметры для обработки входных данных и выявления характерных паттернов. Нейросеть HEAT-ML прошла обучение на наборе примерно тысячи симуляций конфигурации SPARC, выполненных программой HEAT, чтобы эффективно рассчитывать теневые маски.
Сейчас HEAT-ML настроен исключительно на использование с конкретной конфигурацией выхлопной системы токамака SPARC и функционирует лишь как дополнительная опция в пакете инструментов HEAT. Исследовательская группа стремится развить алгоритм дальше, сделав его универсальным инструментом для определения теневых зон любых форм и размеров в системах отвода тепла токамаков, а также распространить его применение на остальные компоненты токамака, прилегающие к зоне нахождения плазмы.
Тем временем Китай создал суперсталь CHSN01 для ядерного синтеза.
