University of Rochester's Laboratory for Laser Energetics (LLE) er udstyret med Omega Laser, verdens førende akademiske laserinstallation. På et øjeblik ser det ud som en detaljeret marmorbane med lyspartikler og plasma, der er i stand til at opdele og forstærke en bjælke, før den fokuserer på et lille tværhårmål. Dens kerneopgave er at udforske astrofysiske fænomener, testmaterialer ved ekstreme atomskala pres og arbejde for at fremme forstyrrende fusionsforskning.
Takket være et tilskud på 503 millioner dollars gennem 2024 fra det amerikanske Energi Department of Energy (DOE) National Nuclear Security Administration har Rochester Laser Laboratory skabt ideelle betingelser for at gennemføre disse kritiske undersøgelser. Laserlaboratoriet gennemfører komplekse fusionseksperimenter en gang om måneden, og forskere har omkring fem muligheder for at skyde lasere og registrere data. Gennem multi-fysik feltcomputersimuleringer er forskere i stand til at få en dybere forståelse af fusionsplasmaet, designeksperimenter og fortolke resultaterne, selvom disse simuleringer ikke fuldt ud kan gengive alle de eksperimentelle detaljer.
Eksperimentet begyndte med en plastikkapsel indeholdende frosne deuterium-tritium, kun millimeter i diameter, ved en temperatur på 20 grader over absolut nul, "sagde LLE-direktør Christopher Deeney. Derefter komprimeres kapslen i en milliard. Diameter mindre end en menneskelig hårstreng og temperaturen stiger til over 30 millioner grader. " Denne proces kræver ikke kun en dyb viden om fysik, men avancerede diagnostiske teknikker skal også anvendes til at måle i detaljer alle de fænomener, der forekommer på dette øjeblik.
For at udnytte det væld af data indsamlet af disse avancerede diagnostiske teknikker og for at fremskynde amerikansk fusionsforskning mere bredt, vender LLE -forskere sig til kunstig intelligens (AI) og andre avancerede beregningsteknologier.
I mere end 50 år har LLE aktivt fremmet og adresseret de centrale udfordringer inden for inertial indeslutningsfusion (ICF). ICF er bredt anerkendt i det videnskabelige samfund som den mest lovende tilgang til opnåelse af kontrolleret termonuklear fusion og repræsenterer en lovende ren, vedvarende energiteknologi.
Christopher Kanan, lektor i datalogi ved University of Rochester, forklarer, "ICF er i det væsentlige et omvendt fysikproblem, hvor forskere er nødt til at omvendt de nøjagtige egenskaber ved laseren og målet."
Omega i sig selv var ikke designet til at opnå antændelse, men for at fremme forståelsen af laserdrevet direkte drevet fusion. Den nationale antændelsesfacilitet på Livermore National Laboratory, som er 60 gange mere energisk end Omega, har fundet en løsning på det omvendte fysikproblem og har allerede opnået antændelse i 2022. Både de fremskridt, der er gjort på Omega og opnåelsen af antændelse at udfylde hullerne i vores fuldstændige forståelse af fysik.
Kendskabsgabet, der findes mellem simuleringer og eksperimenter, stammer fra fysikens kompleksitet, målingernes begrænsninger og det brede omfang af forskningsindsatsen, der inkluderer nuklear fysik, plasmafysik og materialevidenskabelig forskning udført under ekstreme forhold, der udfordrer endda de mest avancerede computerkoder.
For det første er der spørgsmålet om målet; Eksperimentet begynder med en hul plastik sfære, der kan placeres på spidsen af en pin; LLE -forskere bruger præcisionsværktøjer til at skabe kuglen og fylde det med brintisotoper, som derefter afkøles til næsten absolut nul. Frysningsprocessen fik brintet til at danne et islag inde i plastikskallen.
LLE -forskerteamet er på udkig efter en måde at nøjagtigt påvise nuancer og mønstre i dataene som et middel til at vejlede computersimuleringer til at producere mere nøjagtige forudsigelser. Denne forbedrede forudsigelsesevne vil igen forfine fusionseksperimenter og drive den næste generation af fusionsforskning og laserteknologi.
Kunstig intelligens, og især dens underfeltmaskinindlæring, kan hjælpe med at optimere den forudsigelige effektivitet af computerkoder og forbedre forudsigelser gennem erfaring. Machine Learning udfører ikke kun forudsigelig analyse, men behandler også data, giver relationer og anvender denne viden til dens funktioner.
Riccardo Betti, LLEs chefforsker og Robert L. McCrory -professor i Institut for Mekanik og Department of Physics and Astronomy ved University of Rochester, bemærkede, "Vi har nu en stor mængde eksperimentelle data, der med hjælp fra Maskinindlæring, kan bruges til at korrigere simuleringer og guide realtidsjusteringer til eksperimenter. "
Betti og Kanans forskningsarbejde er baseret på de nylige fremskridt inden for generativ kunstig intelligens, en AI -teknik, der genererer data og andre former for output, såsom tekst og video. University of Rochester forskerteam bruger disse avancerede algoritmer til at løse omvendte fysikproblemer for at forbedre nøjagtigheden af simuleringer. Det amerikanske Department of Energy's Fusion Energy Sciences (FES) -program har leveret næsten 3 millioner dollars i finansieringsstøtte til denne forskning, som forventes at være afsluttet i 2026.
Riccardo Betti tilføjede: "Vores mål er at forbedre simuleringsforudsigelser ved hjælp af generativ AI og nøjagtigt at udlede egenskaberne ved laser-målinteraktioner. Vi udnytter AI's magt til at fremskynde fremtiden for fusionsteknologi."
Dr. Varchas Gopalaswamy, en videnskabsmand i LLE's teoriafdeling og adjunkt i maskinteknik, siger, "når vi først opfatter en uoverensstemmelse mellem simuleringsforudsigelser og de eksperimentelle resultater, er vi i stand til at anvende maskinlæring for at forene de to." Han forklarer endvidere, "Hvis en variabel ændrer sig i eksperimentet, kan simuleringen reagere i overensstemmelse hermed? Vil dette svar afspejles i eksperimentet? Dette vil validere nøjagtigheden af vores hypotese og afgøre, om vi kan justere variablen eller udvikle en afbødningsstrategi i overensstemmelse hermed " Gopalaswamy tilføjede, "Med Machine Learning's dybere analyse af mønstre i dataene var vi i stand til at formulere nye hypoteser, udforske forskellige fysiske fænomener og designe bedre eksperimenter."
Gopalaswamy bemærkede også, "En af udfordringerne med at konfrontere ICF er, at de fusionseksperimentelle data, vi brugte til at træne AI, var relativt begrænset sammenlignet med den enorme database med CAT -billeder. I dette tilfælde er det især udfordrende at bruge de tilgængelige empiriske data For at bygge bro over viden.
Det amerikanske fysiske samfund har anerkendt arbejdet med Betti, Gopalaswamy og andre LLE -forskere med John Dawson Award for Excellence in Plasma Physics Research for deres banebrydende resultater til at forudsige, designe og analysere implosionseksperimenter med 30 kj omega laser.
Kunstig intelligens og maskinlæringsforskning på Rochester Laser Laboratory har også bidraget til en række opdagelser af Dustin Froula, direktør for plasmaet og ultrahast laservidenskab og ingeniørafdeling og hans team. I løbet af sin karriere har Froula og hans team udviklet en række teknikker, herunder en til måling af plasmatemperatur gennem Thomson-spredning, og har endda brudt ny jord i "fluefokus" -teknikker eller kontrol af laserintensitet over lange afstande. Og maskinlæring revolutionerer den måde, vi designer eksperimenter på, hvilket gør det muligt for os at opbygge bedre lasere, når vi forestiller os næste generations faciliteter. "Han forklarer yderligere," laserne er blevet brugt på forskellige måder. Han forklarer endvidere, "Flere farver i spektret af laserstrålen vil hjælpe plasmaet med at forplantes gennem strålen mere effektivt, og AI hjælper os med at forstå de komplekse interaktioner mellem disse forskellige farver og plasmaet."
Endelig har Department of Energy's Center for Nuclear Fusion Research givet udpegningen af et nationalt forskningscenter, der at producere energi.
At stole på de tværfaglige forskningsstyrker på University of Rochester, har LLE med succes rekrutteret flere studerende til at forbedre anvendelsen af kunstig intelligens og maskinlæring i konvergent forskning.
Ifølge Gopalaswamy, "Vores mål er at inspirere studerende med en fortsat lidenskab for maskinlæring for yderligere og videnskabeligt lyd.
Han tilføjede, "Da nationen overgår til ren energi og bæredygtig kraft, er anvendelsen af AI i fusionsforskning lovende og kunne blive et voksende arbejdsstyrkefelt."
Valeri Goncharov, direktør for LLE's teoriafdeling og forskningsassistentprofessor ved Institut for Mekanik, bemærkede, "Kunstig intelligens er et vigtigt værktøj til at guide vores forskning. Ved at optimere disse værktøjer, kan vi forbedre vores forskningsresultater. Mens disse værktøjer letter forskning , drivkraften for innovation stammer stadig fra vores intelligens.
