Das Labor für Laser Energetics (LLE) der Universität von Rochester ist mit dem Omega Laser ausgestattet, der weltweit führenden akademischen Laserinstallation. Auf einen Blick sieht es aus wie eine aufwändige Marmorstraße aus Lichtpartikeln und Plasma, die einen Strahl aufteilen und verstärken kann, bevor er ihn auf ein winziges Fadenkreuz -Ziel fokussiert. Seine Kernmission ist es, astrophysikalische Phänomene zu erforschen, Materialien im extremen Druck in atomarer Ebene zu testen und die disruptive Fusionsforschung voranzutreiben.
Dank eines Stipendiums von 503 Millionen US -Dollar bis 2024 der National Nuclear Security Administration des US Department of Energy (DOE) hat das Rochester Laser Laboratory ideale Bedingungen für die Durchführung dieser kritischen Studien geschaffen. Das Laserlabor führt einmal im Monat komplexe Fusionsexperimente durch, und Wissenschaftler haben ungefähr fünf Möglichkeiten, Laser zu entlassen und Daten aufzuzeichnen. Durch Multi-Physik-Feldcomputersimulationen können Wissenschaftler ein tieferes Verständnis des Fusionsplasma erhalten, Experimente entwerfen und die Ergebnisse interpretieren, obwohl diese Simulationen nicht alle experimentellen Details vollständig reproduzieren können.
Das Experiment begann mit einer Kunststoffkapsel, die gefrorenes Deuterium-Tritium, nur Millimeter im Durchmesser, bei einer Temperatur von 20 Grad über absoluter Null enthielt " Durchmesser kleiner als ein menschlicher Haarstrang und die Temperatur steigt auf über 30 Millionen Grad. " Dieser Prozess erfordert nicht nur ein tiefes Kenntnis der Physik, sondern auch fortschrittliche Diagnosetechniken, um alle in diesem Moment auftretenden Phänomene im Detail zu messen.
Um die von diesen fortgeschrittenen diagnostischen Techniken gesammelten Daten zu nutzen und die US -Fusionsforschung allgemeiner zu beschleunigen, wenden sich LLE -Wissenschaftler der künstlichen Intelligenz (KI) und anderen fortschrittlichen Computertechnologien zu.
Seit mehr als 50 Jahren fördert und behandelt LLE die zentralen Herausforderungen im Bereich der Trägheitsfusion (ICF) aktiv. ICF ist in der wissenschaftlichen Gemeinschaft weithin als der vielversprechendste Ansatz zur Erreichung der kontrollierten thermonuklearen Fusion anerkannt und stellt eine vielversprechende saubere, erneuerbare Energietechnologie dar.
Christopher Kanan, außerordentlicher Professor für Informatik an der Universität von Rochester, erklärt: "ICF ist im Wesentlichen ein inverses Physikproblem, bei dem Wissenschaftler die genauen Eigenschaften des Lasers und des Ziels umkehren müssen."
Omega selbst war nicht so konzipiert, dass sie Zündung erreicht, sondern um das Verständnis der lasergetriebenen Direktantriebsfusion voranzutreiben. Die nationale Zündeinrichtung des Livermore National Laboratory, das 60 -mal energischer als Omega ist, hat eine Lösung für das inverse Physikproblem gefunden und bereits im Jahr 2022 eine Zündung erreicht. Sowohl die Fortschritte bei Omega als auch die Erreichung der Zündung basieren auf statistischer Modellierung Um die Lücken in unserem vollständigen Verständnis der Physik zu schließen.
Die Wissenslücke, die zwischen Simulationen und Experimenten besteht Die fortschrittlichsten Computercodes.
Erstens ist die Frage des Ziels; Das Experiment beginnt mit einer hohlen Kunststoffkugel, die auf die Spitze eines Stifts gelegt werden kann; LLE -Forscher verwenden Präzisionswerkzeuge, um die Kugel zu erstellen und sie mit Wasserstoffisotopen zu füllen, die dann auf nahezu absolutes Null abgekühlt werden. Der Gefrierprozess führte dazu, dass der Wasserstoff eine Eisschicht in der Kunststoffschale bildete.
Das LLE -Forschungsteam sucht nach einer Möglichkeit, Nuancen und Muster in den Daten genau zu erkennen, um Computersimulationen zu leiten, um genauere Vorhersagen zu erstellen. Diese verbesserte Vorhersagefähigkeit wird wiederum Fusionsexperimente verfeinern und die nächste Generation von Fusionsforschung und Lasertechnologie vorantreiben.
Künstliche Intelligenz und insbesondere ihr maschinelles Lernen von Subfield können dazu beitragen, die prädiktive Wirksamkeit von Computercodes zu optimieren und die Vorhersagen durch Erfahrung zu verbessern. Maschinelles Lernen führt nicht nur prädiktive Analysen durch, sondern verarbeitet auch Daten, färbt Beziehungen und wendet dieses Wissen auf seine Funktionen an.
Riccardo Betti, Chefwissenschaftler von Lle und der Professor Robert L. McCrory am Department of Maschinenbau und der Abteilung für Physik und Astronomie an der Universität von Rochester, bemerkte: "Wir haben jetzt eine große Menge an experimentellen Daten, die mit Hilfe von Hilfe von Maschinelles Lernen kann verwendet werden, um Simulationen zu korrigieren und Echtzeitanpassungen an Experimenten zu führen. "
Die Forschungsarbeiten von Betti und Kanan basieren auf den jüngsten Fortschritten in der generativen künstlichen Intelligenz, einer KI -Technik, die Daten und andere Ausgangsformen wie Text und Video generiert. Das Forschungsteam der University of Rochester nutzt diese fortschrittlichen Algorithmen, um inverse Physikprobleme zu lösen, um die Genauigkeit von Simulationen zu verbessern. Das Programm Fusion Energy Sciences (FES) des US Department of Energy hat eine Finanzierungsunterstützung in Höhe von fast 3 Millionen US -Dollar für diese Forschung bereitgestellt, die voraussichtlich bis 2026 abgeschlossen sein wird.
Riccardo Betti fügte hinzu: "Unser Ziel ist es, die Simulationsvorhersagen mit Hilfe der generativen KI zu verbessern und die Eigenschaften von Laser-Target-Interaktionen genau zu schließen. Wir nutzen die Macht der KI, um die Zukunft der Fusionstechnologie zu beschleunigen."
Dr. Varchas Gopalaswamy, ein Wissenschaftler in der Theorieabteilung von LLE und Assistenzprofessor für Maschinenbau, sagt: "Sobald wir eine Diskrepanz zwischen den Simulationsvorhersagen und den experimentellen Ergebnissen wahrnehmen, können wir maschinelles Lernen anwenden, um die beiden zu vereinbaren." Er erklärt weiter: "Wenn sich eine variable Änderung im Experiment ändert . " Gopalaswamy fügte hinzu: "Mit der tieferen Analyse von Mustern in den Daten des maschinellen Lernens konnten wir neue Hypothesen formulieren, verschiedene physikalische Phänomene erforschen und bessere Experimente entwerfen."
Gopalaswamy stellte auch fest: "Eine der Herausforderungen bei der Konfrontation der ICF besteht darin Um die Wissenslücke zu schließen.
Die American Physical Society hat die Arbeit von Betti, Gopalaswamy und anderen LLE -Wissenschaftlern mit dem John Dawson Award for Excellence in der Plasma -Physikforschung für ihre wegweisenden Leistungen bei der Vorhersage, Gestaltung und Analyse von Implosionsexperimenten mit den 30 KJ Omega Laser anerkannt.
Forschung für künstliche Intelligenz und maschinelles Lernen im Rochester Laser Laboratory hat auch zu einer Reihe von Entdeckungen von Dustin Froula, dem Direktor der Abteilung Plasma und Ultrafast Laser Science and Engineering, und seines Teams beigetragen. Im Laufe seiner Karriere haben Froula und sein Team eine Vielzahl von Techniken entwickelt, darunter eine zur Messung der Plasmakemperatur durch Thomson-Streuung und sogar neue Boden in "Fly-Focus" -Techniken oder die Kontrolle der Laserintensität über große Entfernungen. und maschinelles Lernen revolutionieren die Art und Weise, wie wir Experimente entwerfen und es uns ermöglichen, bessere Laser aufzubauen, wenn wir uns die Einrichtungen der nächsten Generation vorstellen. "Er erklärt weiter:" Die Laser wurden auf verschiedene Weise verwendet. Er erklärt weiter: "Mehrere Farben im Spektrum des Laserstrahls helfen dem Plasma, sich effizienter durch den Strahl auszuprobieren, und AI hilft uns, die komplexen Wechselwirkungen zwischen diesen verschiedenen Farben und dem Plasma zu verstehen."
Schließlich hat das Zentrum für nukleare Fusionsforschung des Department of Energy die Bezeichnung eines nationalen Forschungszentrums zur Verfügung gestellt Energie produzieren.
LLE stützt sich auf die interdisziplinären Forschungsstärken der Universität von Rochester und hat mehrere Studenten erfolgreich eingestellt, um die Anwendung künstlicher Intelligenz und maschinelles Lernen in konvergenten Forschung zu verbessern.
Laut Gopalaswamy "ist es unser Ziel, die Schüler mit einer anhaltenden Leidenschaft für maschinelles Lernen zu inspirieren, um die Genauigkeit unserer diagnostischen Tools weiter zu verbessern. In der Tat benötigen wir AI -Experten. Die Rolle der Physiker ist jedoch unverzichtbar, um sicherzustellen, dass die Modelle korrekt sind und wissenschaftlich eingehend.
Er fügte hinzu: "Während die Nation zu sauberer Energie und nachhaltiger Macht übergeht, ist die Anwendung von KI in der Fusionsforschung vielversprechend und könnte zu einem aufstrebenden Bereich der Belegschaft werden."
Valeri Goncharov, Direktorin der Abteilung für Theorie von LLE und Forschungsassistentin am Department of Maschinenbau, stellte fest: "Künstliche Intelligenz ist ein wichtiges Instrument zur Leitung unserer Forschung. Durch die Optimierung dieser Tools können wir unsere Forschungsergebnisse verbessern. Diese Tools ermöglichen die Forschung, während die Forschung erleichtert Die treibende Kraft zur Innovation beruht immer noch aus unserer Intelligenz.
