深度學習助核融合一臂之力,可預測電漿反應提升穩定性

作者 | 發布日期 2018 年 08 月 31 日 8:30 | 分類 AI 人工智慧 , 尖端科技 , 核能 follow us in feedly

為了讓科學家實現核融核發電夢想、在地球上打造像太陽的能量場,美國能源部普林斯頓電漿物理實驗室(PPPL)與普林斯頓大學透過人工智慧系統,利用深度學習預測與分析電漿行為、避免核融合設備受到損壞,進一步加速核融合進展。



核融合藉由將氘與氚原子置於高溫或高壓下,引起的聚合反應會產生中子、氦與大量能量,可利用這些能量來生產電力。該技術也不會帶來放射性污染、碳排放等問題,若能成功打造受控設備,實現持續且平穩能量輸出、將核融合技術投入電廠,我們便擁有龐大無碳電力可用。

不過至今還沒有一座核融合發電原型可穩定運作,尚有諸多障礙待跨,像是能量不足無法促使聚合反應、無法有效控制反應導致電漿破裂(plasma disruption)使設備受損等,因此為提升研究進展與減少設備損害,PPPL 團隊想將深度學習結合到核融合技術,希望可在發生電漿破裂前 30 毫秒干預。

深度學習為機器學習的一部分,就像是讓電腦長出神經系統一樣,每個深度學習軟體都是由多個相互連接的神經網路組成,可以用來處理複雜的圖像與數據,進行龐大演算、展現擬人判斷與行為,可說是目前人工智慧主流技術。

該核融合專案名為「Accelerated Deep Learning Discovery in Fusion Energy Science」,PPPL 團隊設計出一款融合遞歸神經網路(FRNN)深度學習軟體,該技術由卷積神經網路(CNN)與遞歸神經網路(RNN)相互組成,CNN 善於處理影像分類、物體偵測,RNN 則是能利用內部記憶體來處理任意數據,兩者結合讓科學家「訓練」電腦檢測目標,盼可進一步預測與分析大型托卡馬克核融合設備電漿。

目前團隊已成功改進歐洲聯合環狀反應爐(JET)的電漿預測數據,未來他們還會將該軟體裝在美國能源部阿貢實驗室的極光(Aurora)超級電腦。其中極光有望在 2021 年成為美國第一個達到百萬兆級(Exascale)的超級電腦,每秒可執行 1,018 次運算,比其他超級電腦還要快 50~100 倍,相當適合用於核融合技術與分析電漿行為。

PPPL 團隊希望最後可幫助世界最大核融合設備 ITER 實現商業化,在發生電漿破裂前 30 毫秒或是更久之前,能以預測準確率 95%、誤報率 5% 內干預。PPPL 資深物理學家 William Tang 表示,這進步只能透過人工智慧的深度學習達成。

ITER 是由歐盟、印度、日本、中國、俄羅斯、南韓和美國 7 個成員資助和協助運行的托卡馬克核融合設備,目前施工進度已過半,專家預估將在 2025 年 12 月進行第一階段測試,若實驗有成,世界第一批核融合發電廠有望在 2040 年前投入運轉。

(本文由 EnergyTrend 授權轉載;首圖來源:ITER