作者约翰·格林沃尔德，普林斯顿等离子体物理实验室 物理学家符
信用:照片和拼贴由艾尔斯塔克曼/PPPL通信办公室
一个由美国大学研究生领导的国际科学家团队
S
美国能源部普林斯顿等离子体物理实验室(PPPL)展示了人工智能(AI)的使用，人工智能是一种相同的计算概念，将使自动驾驶汽车能够预测和避免中断——储存在等离子体中的能量的突然释放，这种能量为聚变反应提供燃料——这可能会停止反应并严重破坏聚变设施
中断风险 被称为托卡马克的聚变装置运行中断的风险越来越大，因为研究人员旨在最大限度地提高聚变功率，在地球上产生聚变，为太阳和恒星提供动力，从而突破设施的运行限制
因此，科学家必须能够在不达到这些极限的情况下提高聚变功率
这一能力对ITER至关重要，法国正在建造的大型国际托卡马克展示了聚变能的实用性
聚变反应将轻元素以等离子体的形式结合在一起，产生大量能量。等离子体是由自由电子和原子核组成的带电热物质状态，构成了99%的可见宇宙
世界各地的科学家都在寻求创造一种安全、清洁、几乎取之不尽的能源来发电
研究人员在通用原子公司为能源部运作的DIII-D国家聚变设施上的数千次实验中，训练了一种人工智能机器学习算法或一组规则
科学家们随后将这些规则实时应用于正在进行的DIII实验，并发现该算法能够预测中断的可能性，并启动行动来避免中断的发生
相对简单的模型 “看到一个相对简单的机器学习模型能够准确预测聚变等离子体的复杂行为，真是令人着迷，”大学等离子体物理普林斯顿项目的研究生·傅说，他是一篇描述等离子体物理的论文的主要作者，该论文发表在美国物理学会的一份名为《科学之光》的特刊上
“很高兴看到学生们领导多机构团队，并对聚变等离子体控制的机器学习方法的发展产生了真正的影响，”PPPL物理学家埃杰门·科勒曼说，他是陈一工作的主管，也是普林斯顿大学机械和航空航天工程的助理教授
PPPL ITER和托卡马克部门的负责人物理学家拉菲·纳齐克安说，这一结果标志着在防止ITER和下一代设施中断方面又迈出了一步
“这项工作代表了在融合设备中使用机器学习开发中断预测和避免方法的重大进展，”纳齐克安说
“然而，仍需要大量的R&D来提高预测的准确性，并开发故障安全控制方法，以避免ITER和未来反应堆的中断
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
