Машинное обучение ускорило моделирование процессов в термоядерном реакторе

Физики показали, что алгоритм с машинным обучением может ускорить численное моделирование турбулентных потоков в плазме термоядерного реактора. Это поможет увеличить время удержания.
Машинное обучение ускорило моделирование процессов в термоядерном реакторе
Pixabay

Чтобы увеличить время удержания плазмы, физикам нужны точные модели. До сих пор скорость их вычислений оставляла желать лучшего, но теперь ученые создали программу, которая позволяет проводить расчеты более чем в 100 раз быстрее аналогов

Конечной целью исследований управляемого термоядерного синтеза является достижение этапа, когда производимая установкой энергия будет превышать ту, что требуется для его запуска. Для этого необходимо увеличить время удержания плазмы в реакторе, но пока это плохо удается из-за ряда проблем, в том числе связанных с возникновением непредсказуемых турбулентных потоков в плазме.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Для устранение этой проблемы требуется создание численных моделей, которые могут охватить все важные физические процессы в термоядерном реакторе и будут достаточно точны, чтобы их предсказания можно было использовать для принятия надежных проектных решений. Также алгоритмы должны быть достаточно быстры, чтобы успевать за изменениями внутри сжатой горячей плазмы.

Авторы исследования предложили новую модель для описания физических процессов внутри плазмы. Они создали нейросеть, которая позволяет модели сохранять как скорость, так и точность вычислений за счет обработки большого массива данных. Физики решили использовать программу для расчета скорости переноса плазмы, вызванного микротурбулентностью. Именно это явление является доминирующим транспортным механизмом в плазме внутри токамаков.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Для обучения физики использовали реальные экспериментальные данные, полученные на токамаке QuaLiKiz. Затем обученную нейросеть объединили с более крупной средой моделирования JINTRAC, которая позволила рассчитать все физические процессы, происходящие внутри плазмы термоядерного реактора. Оказалось, что новая программа проводит расчеты довольно точно: они отличаются от используемых моделей менее чем на 10%. Это относительно немного, но время моделирования новой нейросети на одном ядре составляет всего два часа, тогда как предыдущие программы для этой же цели требовали 217 часов и 16 ядер.