Защо да не можем да намерим енергия по същия начин, по който правят звездите – чиста, възобновяема и без радиоактивни отпадъци?
Стремежът на човечеството към чисти и устойчиви енергийни източници достига ключов момент, докато изследователите изследват ядрения синтез. За разлика от настоящите инсталации за ядрено делене, които произвеждат енергия за сметка на радиоактивни отпадъци, ядреният синтез предлага обещание за практически неограничено и екологично производство на енергия.
Ядреният синтез, феноменът, който захранва Слънцето и други звезди, включва синтез на водородни изотопи при екстремни условия. Резултатът е създаването на хелий, с освобождаване на енергия поради разликата в масата между първоначалните елементи и новообразувания хелий.
Осъществяването на тази мечта за овладяване на термоядрената енергия на Земята обаче изисква прецизен контрол върху избора на водородни изотопи, използвани в процеса.
Машинното обучение среща спектроскопията
Скорошно съобщение за пресата разкрива, че изследователите сега се обръщат към сферата на изкуствения интелект, за да подобрят нашето разбиране за ядрения синтез и потенциала му като източник на чиста енергия. Предпоставка за ядрен синтез е да се знае каква комбинация от водородни изотопи да се използва – отнемащ много време анализ, който в момента се извършва със спектроскопия.
В статия, публикувана в The European Physical Journal D, Мохамед Кубити, доцент в Aix-Marseille Universite във Франция, представя нов подход, който комбинира машинно обучение с плазмена спектроскопия, за да определи оптималните съотношения на водородните изотопи за производителност на плазмата от ядрен синтез.
Кубити се фокусира върху предизвикателството за управление на сместа от водородни изотопи, особено деутерий и тритий, в рамките на термоядрени електроцентрали.
Деутерият и тритият са предпочитаните изотопи за синтез поради тяхната ефективност, но строгите регулаторни ограничения определят количеството тритий, което може да се използва поради съображения за безопасност. Кубити има за цел да отговори на това предизвикателство, като въведе машинно обучение в уравнението.
„Крайната цел е да се избегне използването на спектроскопия, чийто анализ отнема много време, и да се замени – или поне да се комбинира – с дълбоко обучение за предсказване на съдържанието на тритий в термоядрената плазма“, обяснява Кубити.
Въпреки че това проучване представлява само първата стъпка към тази цел, Кубити разкрива, че той продължава да използва спектроскопия за идентифициране на характеристики, които могат да бъдат използвани от алгоритми за дълбоко обучение, за да се предскаже съдържанието на тритий като функция на времето в термоядрената плазма.
Светло бъдеще за синтеза
Интегрирането на машинното обучение в изследванията на ядрения синтез разкрива вълнуващи възможности. Освен непосредственото приложение при прогнозиране на съдържанието на тритий, Кубити предвижда разширяване на техниките за дълбоко обучение към различни устройства за магнитен синтез, включително токамаци като JET, ASDEX-Upgrade, WEST, DIII-D и дори стеларатори.
Токамаците, устройства, които използват мощни магнитни полета за ограничаване на гореща плазма във формата на поничка, се рекламират за генериране на чиста термоядрена мощност.
Визията на Кубити разкрива решимостта да се идентифицират неспектроскопични характеристики, които са от решаващо значение за алгоритмите за дълбоко обучение за постигане на точни прогнози.
Този подход може да притежава потенциала да трансформира нашето разбиране за ядрения синтез и да ускори прехода му от теоретична концепция към реалност.
Източник: InterestingEngineering
