Ett internationellt team av forskare som leds av en doktorand vid US Department of Energy's (DOE) Princeton Plasma Physics Laboratory (PPPL) har visat användningen av artificiell intelligens (AI), samma datorkoncept som gör det möjligt för självkörande bilar, att förutsäga och undvika störningar - den plötsliga utsläpp av energi som lagras i plasman som driver fusionsreaktioner - som kan stoppa reaktionerna och allvarligt skada fusionsanläggningar.

Risk för störningar

Fusionsenheter som kallas tokamaks löper ökad risk för störningar som forskare, syftar till att maximera fusionskraften för att skapa på jorden fusionen som driver solen och stjärnorna, stöta mot anläggningarnas operativa gränser. Forskare måste således kunna öka fusionskraften utan att nå dessa gränser. Denna förmåga kommer att vara avgörande för ITER, den stora internationella tokamak under uppbyggnad i Frankrike för att demonstrera praktiken i fusionsenergi.

Fusionsreaktioner kombinerar ljuselement i form av plasma - det heta, materiens laddade tillstånd består av fria elektroner och atomkärnor som utgör 99 procent av det synliga universum - för att generera massiva mängder energi. Forskare runt om i världen försöker skapa fusion för en praktiskt taget outtömlig försörjning av säker och ren ström för att generera el.

Forskarna utbildade en AI -maskininlärningsalgoritm, eller uppsättning regler, på tusentals tidigare experiment med DIII-D National Fusion Facility som General Atomics driver för DOE. Forskare tillämpade sedan reglerna i realtid på pågående DIII-D-experiment och fann algoritmen som kan förutsäga sannolikheten för störningar och initiera åtgärder som avvärjde uppkomsten av störningar.

Relativt enkel modell

"Det är fascinerande att se att en relativt enkel maskininlärningsmodell exakt kan förutsäga det komplicerade beteendet hos fusionsplasma, "sa Yichen Fu, en doktorand i Princeton -programmet i plasmafysik vid PPPL och huvudförfattare till ett papper som beskriver resultaten i Plasmas fysik och visades upp i en publicerad American Institute of Physics -publikation som heter "SciLight". "Det är fantastiskt att se studenter som leder multinstitutionella team och göra en verklig inverkan på utvecklingen av maskininlärningsmetoder för kontroll av fusionsplasma, "sa PPPL -fysikern Egemen Kolemen, handledare för Yichens arbete och en biträdande professor i maskin- och rymdteknik vid Princeton University.

Resultaten markerar ytterligare ett steg mot att förhindra störningar i ITER och nästa generations anläggningar, sa fysikern Raffi Nazikian, chef för ITER- och Tokamak -avdelningen på PPPL. "Detta arbete representerar betydande framsteg i användningen av maskininlärning för att utveckla en metod för avbrottsprognos och undvikande i fusionsenheter, "Sa nazikian." Men Det krävs fortfarande mycket FoU för att förbättra förutsägelserna och för att utveckla felsäkra kontrollmetoder för att undvika störningar i ITER och framtida reaktorer. "