Článek
Neukázněné přehřáté plazma, které pohání fúzní reakci, může v mžiku ztratit stabilitu a uniknout silným magnetickým polím, která ho udržují uvnitř fúzního reaktoru. Tyto úniky často znamenají konec reakce, což představuje zásadní problém pro rozvoj fúze jako neznečišťujícího, prakticky neomezeného zdroje energie.
Tým z Princetonské univerzity a z Princeton Plasma Physics Laboratory (PPPL), složený z inženýrů, fyziků a datových vědců, se pokusil využít sílu strojového učení k předpovídání - a následnému zamezení - vzniku tohoto problému s plazmatem v reálném čase.
Při experimentech v DIII-D National Fusion Facility v San Diegu výzkumníci prokázali, že jejich model, vycvičený pouze na základě předchozích experimentálních dat, dokáže předpovědět potenciální nestabilitu plazmatu až 300 milisekund předem. Je to dost času na to, aby řídicí jednotka s pozměnila určité provozní parametry a zabránila tomu, co by se vyvinulo v trhlinu v magnetických siločárách plazmatu, narušilo rovnováhu plazmatu a otevřelo dveře k jeho úniku, což by mohlo ukončit celou reakci.
Učením se z minulých experimentů, spíše než zahrnutím informací z fyzikálních modelů, se podařilo vytvořit model, za pomoci kterého se daří řídit stabilitu plazmatu v reálném čase v reálném reaktoru. Výzkum otevírá dveře k řízení fúzní reakce, dynamičtější než jsou současné přístupy, a poskytuje základ pro využití strojového učení k řešení široké škály dalších nestabilit plazmatu, které již dlouho brání dosažení trvalé fúzní reakce.
Předchozí studie se obecně zaměřovaly buď na potlačení, nebo zmírnění účinků těchto nestabilit poté, co se v plazmatu objeví. Tento nový přístup ale umožňuje tyto nestability předvídat a vyhnout se jim dříve, než se vůbec objeví.
K vytvoření tohoto modelu byl použit deep reinforcement learning. V tomto přístupu měl algoritmus možnost vyzkoušet různé strategie řízení plazmy a metodou pokusů a omylů se učit, které strategie fungují a které ne, a to v bezpečném simulovaném prostředí.
Model se neučí všem složitým fyzikálním jevům fúzní reakce. Pouze zná cíl - udržet fúzní reakci - a čemu se má vyhnout - nestabilitě v plazmě - a má po ruce knoflíky, kterými může otáčet, aby těchto výsledků dosáhl. Postupem času se naučí optimální cestu, jak dosáhnout cíle a zároveň se vyhnout nestabilitě.
Vývoj lepších regulátorů fúzních reakcí za pomoci strojového učení by výzkumníkům také mohl pomoci lépe porozumět fyzice. Studiem rozhodování modelu při pokusech o zadržení plazmatu, které se může v některých případech radikálně lišit od toho, co by předepisovaly tradiční přístupy, se tyto modely mohou stát nejen nástrojem pro řízení fúzních reakcí, ale také zdrojem nových informací.
Tým publikoval své výsledky v časopise Nature 21. února.
