O laboratório da Universidade de Rochester para Energetics (LLE) está equipado com o Omega Laser, a principal instalação de laser acadêmica do mundo. À primeira vista, parece uma elaborada pista de mármore de partículas de luz e plasma, capaz de dividir e ampliar um feixe antes de focá -lo em um minúsculo alvo de mira. Sua missão principal é explorar fenômenos astrofísicos, testar materiais a pressões de escala atômica extremas e trabalhar para avançar a pesquisa disruptiva de fusão.
Graças a uma doação de US $ 503 milhões até 2024 da Administração Nacional de Segurança Nuclear do Departamento de Energia dos EUA (DOE), o Laboratório de Laser de Rochester criou condições ideais para conduzir esses estudos críticos. O laboratório a laser realiza experimentos complexos de fusão uma vez por mês, e os cientistas têm cerca de cinco oportunidades para disparar lasers e registrar dados. Através de simulações de computadores de campo multi-física, os cientistas são capazes de obter uma compreensão mais profunda do plasma de fusão, projetar experimentos e interpretar os resultados, mesmo que essas simulações não possam reproduzir totalmente todos os detalhes experimentais.
O experimento começou com uma cápsula plástica contendo deutério-trítio congelado, apenas milímetros de diâmetro, a uma temperatura de 20 graus acima de zero absoluto ", disse o diretor da LLE Christopher Deeney. Então, em um bilono de um segundo, a cápsula é compactada para um diâmetro menor que uma fita de cabelo humano e a temperatura sobe para mais de 30 milhões de graus ". Esse processo não apenas exige um profundo conhecimento da física, mas as técnicas avançadas de diagnóstico também devem ser utilizadas para medir em detalhes todos os fenômenos que ocorrem neste instante.
Para capitalizar a riqueza de dados coletados por essas técnicas avançadas de diagnóstico e acelerar a pesquisa de fusão dos EUA de maneira mais ampla, os cientistas da LLE estão se voltando para a inteligência artificial (IA) e outras tecnologias computacionais avançadas.
Por mais de 50 anos, a LLE vem promovendo e abordando ativamente os principais desafios no campo da fusão inercial de confinamento (ICF). A ICF é amplamente reconhecida na comunidade científica como a abordagem mais promissora para alcançar a fusão termonuclear controlada e representa uma tecnologia de energia limpa e renovável e promissora.
Christopher Kanan, professor associado de ciência da computação da Universidade de Rochester, explica: "A ICF é essencialmente um problema de física inversa, onde os cientistas precisam inverver as propriedades precisas do laser e do alvo".
O próprio Omega não foi projetado para alcançar a ignição, mas para promover o entendimento da fusão de tração direta acionada por laser. A instalação nacional de ignição no Laboratório Nacional de Livermore, 60 vezes mais enérgica que o Omega, encontrou uma solução para o problema da física inversa e já alcançou a ignição em 2022. Tanto o progresso feito na Omega quanto a realização da ignição dependem da modelagem estatística Para preencher as lacunas em nossa compreensão completa da física.
A lacuna de conhecimento que existe entre simulações e experimentos decorre da complexidade da física, das limitações das medições e do amplo escopo do esforço de pesquisa, que inclui física nuclear, física plasmática e pesquisa científica de materiais realizada sob condições extremas que desafiam uniformizar os códigos de computador mais avançados.
Primeiro, há a questão do alvo; O experimento começa com uma esfera plástica oca que pode ser colocada na ponta de um alfinete; Os pesquisadores usam ferramentas de precisão para criar a esfera e preenchê -la com isótopos de hidrogênio, que são resfriados para quase zero absoluto. O processo de congelamento fez com que o hidrogênio formasse uma camada de gelo dentro da concha de plástico.
A equipe de pesquisa da LLE está procurando uma maneira de detectar com precisão nuances e padrões nos dados como um meio de orientar simulações de computador para produzir previsões mais precisas. Essa capacidade preditiva aprimorada, por sua vez, refina experimentos de fusão e direcionará a próxima geração de pesquisa de fusão e tecnologia a laser.
A inteligência artificial e, em particular, seu aprendizado de máquina subfield, pode ajudar a otimizar a eficácia preditiva dos códigos de computador e melhorar as previsões por meio da experiência. O aprendizado de máquina não apenas executa análises preditivas, mas também processa dados, infere relacionamentos e aplica esse conhecimento a suas funções.
Riccardo Betti, cientista -chefe da LLE e professor de Robert L. McCrory no Departamento de Engenharia Mecânica e do Departamento de Física e Astronomia da Universidade de Rochester, observou: "Agora temos uma grande quantidade de dados experimentais que, com a ajuda de O aprendizado de máquina pode ser usado para corrigir simulações e orientar os ajustes em tempo real para experimentos.
O trabalho de pesquisa de Betti e Kanan é baseado em avanços recentes na inteligência artificial generativa, uma técnica de IA que gera dados e outras formas de saída, como texto e vídeo. A equipe de pesquisa da Universidade de Rochester está usando esses algoritmos avançados para resolver problemas de física inversa para melhorar a precisão das simulações. O Programa de Ciências da Fusion Energy do Departamento de Energia dos EUA (FES) forneceu quase US $ 3 milhões em apoio ao financiamento para esta pesquisa, que deve ser concluída até 2026.
Riccardo Betti acrescentou: "Nosso objetivo é melhorar as previsões de simulação com a ajuda de IA generativa e inferir com precisão as propriedades das interações a laser-alvo. Estamos aproveitando o poder da IA para acelerar o futuro da tecnologia de fusão".
O Dr. Varchas Gopalaswamy, cientista do Departamento de Teoria da LLE e professor assistente de engenharia mecânica, afirma: "Uma vez que percebemos uma discrepância entre as previsões da simulação e os resultados experimentais, somos capazes de aplicar o aprendizado de máquina para reconciliar os dois". Ele explica ainda: "Se uma variável mudanças no experimento, a simulação pode responder de acordo? Essa resposta será refletida no experimento? Isso validará a precisão de nossa hipótese e determinará se podemos ajustar a variável ou desenvolver uma estratégia de mitigação de acordo . " Gopalaswamy acrescentou: "Com a análise mais profunda dos padrões do Machine Learning nos dados, conseguimos formular novas hipóteses, explorar diferentes fenômenos físicos e projetar melhores experimentos".
Gopalaswamy também observou: "Um dos desafios de confrontar a ICF é que os dados experimentais de fusão que usamos para treinar a IA eram relativamente limitados em comparação com o enorme banco de dados de fotos de gatos. Nesse caso, é particularmente desafiador utilizar os dados empíricos disponíveis disponíveis Para preencher a lacuna do conhecimento.
A American Physical Society reconheceu o trabalho de Betti, Gopalaswamy e outros cientistas da LLE do John Dawson Award for Excellence in Plasma Physics Research por suas realizações pioneiras na previsão, projeção e análise de experimentos de implosão com o laser de 30 KJ.
A pesquisa artificial de inteligência e aprendizado de máquina no Laboratório de Laser de Rochester também contribuiu para várias descobertas de Dustin Froula, diretor da divisão de ciência e engenharia de plasma e laser ultra -rápida e sua equipe. Ao longo de sua carreira, Froula e sua equipe desenvolveram uma variedade de técnicas, incluindo uma para medir a temperatura do plasma através da dispersão de Thomson, e até quebraram novos caminhos nas técnicas de "foco na mosca" ou controlar a intensidade do laser em distâncias longas. E o aprendizado de máquina estão revolucionando a maneira como projetamos experimentos, permitindo-nos construir melhores lasers à medida que visualizamos instalações de próxima geração. "Ele explica ainda:" Os lasers foram usados de várias maneiras. Ele explica ainda: "Várias cores no espectro do feixe de laser ajudarão o plasma a se propagar através do feixe com mais eficiência, e a IA nos ajudará a entender as interações complexas entre essas cores diferentes e o plasma".
Finalmente, o Centro de Pesquisa de Fusão Nuclear do Departamento de Energia deu à LLE a designação de um centro de pesquisa nacional projetado para promover a energia de fusão inercial (IFE), uma promissora tecnologia de energia limpa que se baseia na fusão de átomos de hidrogênio pesado (deutério e trítio) para produzir energia.
Contando os pontos fortes da pesquisa interdisciplinar da Universidade de Rochester, a LLE recrutou com sucesso vários estudantes para aprimorar a aplicação de inteligência artificial e aprendizado de máquina em pesquisas convergentes.
De acordo com Gopalaswamy, "nosso objetivo é inspirar os alunos com uma paixão contínua pelo aprendizado de máquina a melhorar ainda mais a precisão de nossas ferramentas de diagnóstico. De fato, precisamos de especialistas em IA. No entanto, o papel dos físicos é indispensável para garantir que os modelos sejam corretos e cientificamente sólidos.
Ele acrescentou: "À medida que o país faz a transição para a energia limpa e a energia sustentável, a aplicação da IA na Fusion Research é promissora e pode se tornar um campo emergente da força de trabalho".
Valeri Goncanov, diretor da Divisão de Teoria da LLE e Professor Assistente de Pesquisa do Departamento de Engenharia Mecânica, observou: "A inteligência artificial é uma ferramenta importante para orientar nossa pesquisa. Ao otimizar essas ferramentas, podemos aprimorar nossos resultados de pesquisa. Enquanto essas ferramentas facilitam a pesquisa , a força motriz da inovação ainda decorre de nossa inteligência.
