Солнце и большинство звезд представляют собой гигантские шары из плазмы, которые постоянно подвергаются термоядерным реакциям. Здесь, на Земле, ученые должны нагревать плазму и управлять ею, чтобы частицы сплавлялись и высвобождали свою энергию. Исследования PPPL показывают, что ML может облегчить такой контроль.
Нейронные сети
Исследователи во главе с физиком PPPL Дэном Бойером обучили нейронные сети – ядро программного обеспечения машинного обучения – на данных, полученных в ходе первой оперативной кампании Национального эксперимента по обновлению сферического тора (NSTX-U), флагманского центра термоядерного синтеза или токамака. в PPPL. Обученная модель точно воспроизводит предсказания поведения энергичных частиц, произведенных мощным инжектированием нейтрального пучка (NBI), который используется для подпитки плазмы NSTX-U и нагрева их до миллионов градусов, связанных с термоядерным синтезом температур.
Эти прогнозы обычно генерируются сложным компьютерным кодом под названием NUBEAM, который включает информацию о воздействии луча на плазму. Такие сложные вычисления необходимо производить сотни раз в секунду, чтобы проанализировать поведение плазмы во время эксперимента.
Но выполнение каждого расчета может занять несколько минут, поэтому результаты станут доступны физикам только после завершения эксперимента, который обычно длится несколько секунд.
Новое программное обеспечение машинного обучения сокращает время, необходимое для точного прогнозирования поведения энергичных частиц, до менее чем 150 микросекунд, что позволяет проводить вычисления в режиме онлайн во время эксперимента.
Первоначальное применение модели продемонстрировало метод оценки характеристик поведения плазмы, не измеряемых напрямую. Этот метод сочетает в себе прогнозы ML с ограниченными измерениями состояния плазмы, доступными в режиме реального времени.
Объединенные результаты помогут системе управления плазмой в реальном времени принимать более обоснованные решения о том, как отрегулировать инжекцию пучка для оптимизации производительности и поддержания стабильности плазмы – критического качества для реакций термоядерного синтеза.
Быстрая оценка
Экспресс-оценка также поможет операторам лучше информировать корректировки между экспериментами, которые проводятся каждые 15-20 минут во время работы. «Возможности ускоренного моделирования могут показать операторам, как настроить параметры NBI для улучшения следующего эксперимента», – сказал Бойер, ведущий автор статьи в Nuclear Fusion, в которой описывается новая модель.
Бойер, работая с физиком PPPL Стэном Кэем, создал базу данных расчетов NUBEAM для ряда условий плазмы, аналогичных тем, которые были достигнуты в экспериментах во время начального запуска NSTX-U.
Исследователи использовали базу данных для обучения нейронной сети для прогнозирования воздействия нейтральных лучей на плазму, таких как нагрев и профили тока. Затем инженер-программист Кейт Эриксон внедрил программное обеспечение для оценки модели на компьютерах, используемых для активного управления экспериментом, чтобы проверить время расчета.
Новая работа будет включать в себя разработку моделей нейронных сетей, адаптированных к запланированным условиям будущих кампаний NSTX-U и других возможностей для синтеза. Кроме того, исследователи планируют расширить существующий подход к моделированию, чтобы обеспечить ускоренное предсказание других явлений термоядерной плазмы.
Поддержка этой работы поступает от Управления науки Министерства энергетики США.