Umetna inteligenca pospešuje simulacije plazme in odpira nove poti do fuzijske energije
Slika je generirana z umetno inteligenco
Datum objave:
Raziskovalci s Fakultete za strojništvo Univerze v Ljubljani (UL FS) so razvili pristop strojnega učenja, ki bistveno pospeši zahtevne fizikalne simulacije plazme v fuzijskih reaktorjih. Z uporabo naprednih nadomestnih modelov lahko raziskovalci bistveno hitreje napovedujejo obnašanje plazme, kar prispeva k učinkovitejšemu razvoju fuzijske energije kot enega ključnih virov trajnostne energije prihodnosti.
Razumevanje obnašanja plazme v fuzijskih reaktorjih je ključno za razvoj stabilnih in učinkovitih fuzijskih naprav. Simulacije plazemskih procesov, predvsem v robnem območju plazme (t. i. Scrape-Off Layer), so zelo računsko zahtevne.
Tradicionalni pristopi temeljijo na simulacijah z metodo delcev v celici (Particle-in-Cell), ki omogoča natančen opis fizikalnih pojavov, vendar zahteva veliko računske moči in časa. To omejuje raziskave, kjer je treba analizirati različne obratovalne pogoje.
Raziskovalci izr. prof. dr. Nikola Vukašinović, izr. prof. dr. Leon Kos, asist. dr. Uroš Urbas in asist. dr. Ivona Vasileska iz Laboratorija za konstruiranje LECAD na UL FS so razvili pristop, ki uporablja metode strojnega učenja za pospešitev teh simulacij. Uporabili so segmentirane nadomestne modele na osnovi algoritma XGBoost. Modeli se naučijo povezave med vhodnimi parametri in rezultati simulacij ter hitro napovedujejo lastnosti plazme, kot je električni potencial na tarči divertorja. Rezultati kažejo, da takšni modeli bistveno skrajšajo čas simulacij hkrati pa ohranijo natančnost.
Galerija fotografij
»Z uporabo metod strojnega učenja lahko zahtevne fizikalne simulacije bistveno pospešimo, kar odpira nove možnosti za analizo kompleksnih plazemskih procesov«, poudarja izr. prof. dr. Nikola Vukašinović, prvi avtor znanstvenega članka.
Galerija fotografij
»Razumevanje obnašanja plazme v robnem območju fuzijskih naprav je ključno za razvoj prihodnjih fuzijskih reaktorjev«, dodaja asist. dr. Ivona Vasileska, vodilna avtorica raziskave.
V prihodnje bi takšni pristopi lahko prispevali k hitrejšemu razvoju fuzijskih reaktorjev ter širši uporabi umetne inteligence v fizikalnih simulacijah.
Raziskava je bila opisana v članku Accelerating Particle-in-Cell simulations in Tokamak Scrape-off Layer using segmented surrogate models, objavljenem v reviji Engineering Applications of Artificial Intelligence (IF = 8.0).
