人工智能(AI)是計算機科學的一個分支，它正在改變科學研究和工業，現在可以加速安全、清潔和幾乎無限的用於發電的聚變能源的發展。
在這個方向上的一個主要步驟,在美國能源部(DOE)普林斯頓等離子體物理實驗室(PPPL)和普林斯頓大學的一組科學家使用一個哈佛研究生首次應用深度學習——一個強大的新版本的機器學習形式的AI -預測突然中斷,可以停止聚變反應和破壞房子的甜甜圈形狀的託卡馬克裝置的反應。
核聚變研究前景廣闊
“這項研究開啟了一個充滿希望的新篇章，為地球帶來無限的能量，”PPPL主任史蒂夫·考利(Steve Cowley)在談到這一研究結果時說。該研究結果發表在最新一期的《自然》(Nature)雜誌上。“人工智能正在科學領域蓬勃發展，現在它開始為世界範圍內尋求核聚變能源做出貢獻。”
聚變驅動太陽和恆星，是光元素以等離子體的形式融合，等離子體是由自由電子和原子核組成的熱帶電物質，能產生能量。科學家們正試圖在地球上覆制核聚變，以便為電力生產提供充足的電力供應。
要證明深度學習預測中斷(等離子體粒子和能量突然失去約束)的能力，關鍵是要訪問兩個主要聚變設施提供的大型數據庫:通用原子公司為美國能源部在加州運營的DIII-D國家核聚變設施是美國最大的核聚變設施，英國的歐洲聯合環面(JET)是世界上最大的核聚變設施，由歐洲核聚變發展聯盟(EUROfusion)管理。JET和DIII-D的科學家的支持對這項工作至關重要。
這些龐大的數據庫能夠可靠地預測託卡馬克的干擾，而不是系統所訓練的干擾——在這種情況下，從較小的DIII-D到較大的噴氣式飛機。這一成就對於預測ITER的破壞是個好兆頭。ITER是一個更大、更強大的託卡馬克核聚變反應堆，它將不得不運用從今天的核聚變設施中學到的能力。
科學發展最有趣的領域
“人工智能是最有趣的面積scientificgrowth現在,並嫁給融合科學是非常激動人心的,”比爾說,主要研究物理學家PPPL,本文的合著者和講師級別和教授的頭銜PrincetonUniversity監督AIproject天體物理學系。“我們加快了以高準確度預測清潔聚變能源面臨的最危險挑戰的能力。”
不像傳統的軟件，執行規定的結構，深度學習從它的錯誤中學習。實現這一看似神奇的功能的是神經網絡，由相互連接的節點組成的層——數學算法——它們被“參數化”，或由程序加權以形成所需的輸出。對於任何給定的輸入，節點都尋求產生指定的輸出，例如正確識別人臉或準確預測中斷。當節點為完成這項任務而努力時，訓練就開始了:權重會自動調整自己以獲取新的數據，直到獲得正確的輸出。
深度學習的一個關鍵特徵是它能夠捕捉高維數據，而不是一維數據。例如，當非深度學習軟件考慮等離子體在某一時刻的溫度時，FRNN考慮溫度在時間和空間上的變化。
“深度學習方法學習的能力從這些複雜的數據使他們的理想候選人的任務中斷預測,”合作者朱利安Kates-Harbeck說,哈佛大學的物理學研究生和DOE-Office科學計算機科學研究生的《自然》雜誌論文的作者,代碼的首席架構師。
訓練和運行神經網絡依賴於圖形處理單元(gpu)，這是最初設計用來渲染3D圖像的計算機芯片。這種芯片非常適合運行深度學習應用程序，並被企業廣泛應用於生產人工智能功能，如自動駕駛汽車理解口語和觀察路況。
Kates-Harbeck對來自JET和DIII-D的超過2tb(1012)的數據訓練FRNN代碼。在普林斯頓大學(Princeton University)的Tiger現代gpu集群上運行了該軟件之後，該團隊將“泰坦”(Titan)、橡樹嶺領導力計算中心(Oak Ridge Leadership ComputingFacility)的一臺超級計算機、美國能源部(DOE)的科學用戶設施(Office of Science User Facility)和其他高性能機器放在了一起。
一個要求高的任務
在許多計算機上分佈網絡是一項艱鉅的任務。“訓練深度神經網絡是一個計算密集型問題，需要高性能計算集群的參與，”《自然》雜誌論文的合著者阿列克謝·斯維特科夫斯基(Alexey Svyatkovskiy)說。“我們將整個神經網絡複製到多個處理器上，以實現高效的並行處理，”他說。
該軟件進一步證明了它在ITER所需的30毫秒時間框架內預測真實中斷的能力，同時減少了虛假警報的數量。目前，該代碼正在接近ITER的要求，即95%的預測正確，而錯誤警報則少於3%。儘管研究人員表示，只有現場實驗操作才能證明任何預測方法的優點，但他們的論文指出，預測中使用的大型檔案數據庫“涵蓋了廣泛的操作場景，因此為本文考慮的方法的相對優勢提供了重要證據。”
從預測到控制
下一步將從預測轉向控制中斷。Kates-Harbecksaid說:“與其在最後一刻預測出干擾，然後減輕干擾，我們更理想的做法是利用未來的深度學習模型，溫和地將等離子體從不穩定的區域引開，以在一開始就避免大部分干擾。”邁克爾•扎恩斯托夫(Michael Zarnstorff)強調了這一下一步，他最近從PPPL的研究副主任晉升為該實驗室的首席科學官。Zarnstorff指出:“控制對於後iter託卡馬克來說是至關重要的，在這種情況下，避免中斷將是一個基本要求。”
從人工智能支持的精確預測到現實的等離子體控制需要不止一個學科。唐說:“我們將在高性能計算機上把深度研究和基本的第一性原理物理結合起來，以研究等離子體燃燒的現實控制機制。”“通過控制，一種方法是知道應該打開託卡馬克上的哪個‘旋鈕’，以改變狀況，防止中斷。這是我們的目標，也是我們前進的方向。”
閱讀更多 人民日報數字傳播 的文章
