Kategóriák Tech

Mesterséges intelligencia segíti a fúziós erőművek fejlesztését

A mesterséges intelligenciák (MI) fejlődése komoly hatással van a tudományra és az iparra is és egy új tanulmány szerint felgyorsíthatja a biztonságos, tiszta és akár korlátlan mennyiségű elektromosságot biztosító fúziós erőművek kifejlesztését. Az USA Energiaügyi Minisztériumának és a Princeton és a Harvard Egyetemnek a közreműködése most először demonstrálta, hogy a mély tanulás segítségével előre lehet jelezni azokat a zavarokat, melyek jelenleg megakadályozzák a fúziós reakció folyamatosságát és esetenként a berendezésekben – a fánk alakú tokamakokban – is kárt tehetnek.

Steve Cowley, a kutatás egyik vezetője szerint a kutatás új fejezetet nyit a korlátlan energiatermelés utáni hajszában és jól mutatja a mesterséges intelligenciák képességeinek univerzalitását is. A Fúziós reakció – ami a Napban és más csillagokban is zajlik – plazmává egyesíti a fény részecskéket, ezzel energiát hozva létre.

A mesterséges intelligencia képzésében elengedhetetlenül fontos volt, hogy az algoritmus számára elérhetővé tették kettő kísérleti fúziós berendezéseket vizsgáló létesítmény – a kaliforniai DIII-D Nemzeti Fúziós Intézet és a brit JET (Joint European Torus) – adatait, hogy a segítségükkel előre tudja jelezni azokat a zavaró tényezőket, melyek hatására a plazma elveszíti tartását és ezáltal összeomlasztva a folyamatot is. Az eredmények szerint a létrejött képzett algoritmus más a képzéséhez nem használt tokamakkokon is megfelelően előre tudta jelezni a zavarokat. Az algoritmus ezen felül azt is megmutatta – a várakozásoknak megfelelően -, hogy a tervben lévő ITER tervezéséhez, ami az eddigi legnagyobb és legerősebb tokamak lesz, valóban megfelelően használták fel a többi berendezés működéséből levont következtetéseket.

Az FRNN (Fusion Recurrent Neural Network) névre keresztel mély tanulási kód ezen felül nem csak a berendezések lehetőségeinek vizsgálatát teszi lehetővé, hanem a segítségével az előrejelezett zavarokat meg is lehet akadályozni. A kutatók szerint így a mesterséges intelligencia alkalmazása lényegesen felgyorsította a fúziós energiának egyik legkomolyabb és legveszélyesebb kihívásának, a pontos előrejelzés képességének a kifejlesztését – ami valószínűleg hagyományosabb módszerekkel is lehetséges lett volna.

A mély tanulás egyik legfontosabb aspektusa, hogy nem csak egy dimenziós adatokat, hanem rendkívül összetett adatbázisokból is képes tanulni – például összehasonlításképp egy hagyományos szoftver csak egy adott pontban veszi figyelembe a plazma hőmérsékletét, amíg az FRNN az időbe és térbe helyezi a plazma hőmérsékleti profilját. Az FRNN képzésére használt összetett adatbázis összesen több mint két terrabyte-nyi adatot és az algoritmus képzését a Princeton Tiger GPU klaszterével végezték, amit a Titan és más szuperszámítógépek is segítettek.

A kutatók elmondása szerint a hálózatnak a különböző számítógépek közötti megosztása már önmagában sem volt egy egyszerű feladat és végül több szakértő bevonására volt szükség, hogy elérjék az algoritmus megfelelő hatásfokú működését. Ez a hatásfok pedig a zavaró tényezők legalább 30 milliszekundumos előrejelzését jelentette, ami szükséges az ITER megfelelő működéséhez, amíg az előrejelzések 95 százalékos pontossága és a hibás előrejelzések 3 százalék alatt tartása is már nagyon közel van. Amíg a csapat szerint az algoritmus működését igazán csak valódi tesztekkel tudják majd demonstrálni, viszont a rendelkezésükre álló adatok alapján nagyon bizakodóak a hatékonyságával kapcsolatban.

Azonban a valódi teszteke előtt még ki kell fejleszteniük a módszert, amivel a zavarok előrejelzését követően képesek megakadályozni őket. Elmondásuk alapján ez a rendszer lehet a jövő tokamakjainak egyik legfontosabb része. Ehhez a kutatók további szakértők bevonását tervezik majd más szakterületekről.

Forrás: nature.com

Megosztás
Írta:
arsratio

Legutóbbi tartalom

Újabb nagy felfedezést tett a Blue Brain az agyműködéssel kapcsolatban

Azt már eddig is tudtuk, hogy a neuronok a beléjük érkező elektromos jeleket kisebb részekre bontják, most viszont a Blue…

2019-07-21 6:51 du.

A nők agya úgy reagál a pornográf tartalmakra mint a férfiaké

A Biológiai Kibernetika Max Planck Intézetének kutatói bizonyítékot találtak arra, hogy a nők agya ugyanúgy reagál a pornográf tartalmakra, mint…

2019-07-21 6:44 du.

Mocsári növényekben lévő tápanyagok segíthették elő az agyi fejlődést

A megfigyelés, miszerint a kongói medencében élő bonobók a mocsaras területen az agyi fejlődéshez elengedhetetlen jódban gazdag vízi növényeket gyűjtenek,…

2019-07-16 9:12 du.

A légszennyezés miatt rosszabbul teljesítenek Kínában a napelemek

Egy nemzetközi felmérés szerint a kínai légszennyezés miatt drámaian romlik az ország napelemeinek teljesítménye. A tanulmányban az ország különböző részein…

2019-07-13 11:52 de.

Elkészült az adattárolókat és memóriákat is kiszorítható “univerzális memória”

A brit Lancaster Egyetem tudósai által felfedezett és szabadalmaztatott új számítógépes memória megoldást jelenthet a digitális technológia energiakrízisére. A tanulmányuk…

2019-07-13 11:48 de.

Már nem csak tudományos fantasztikum a mesterséges gravitáció

A mesterséges gravitáció már hosszú ideje jelen van a tudományos fantasztikum világában - például a 2001: Űrodüsszeia forgó űrhajója -,…

2019-07-07 6:45 du.

Ez a weboldal cookie-kat használ.