
2 日,普林斯頓等多所大學的科學家們發表一項關於新型人工智慧(AI)系統的研究,該系統名為 Diag2Diag,旨在提升核融合能量系統內部的監控與控制能力。這項研究的核心在於,當感測器出現故障時,Diag2Diag 能夠生成合成數據,填補缺失的數據,並提供比實際感測器更詳細的資訊。這個創新不僅能提高控制的穩健性,還能降低未來核融合系統的複雜性和成本。
Diag2Diag的開發是普林斯頓大學、普林斯頓電漿物理實驗室(PPPL)、台灣中央大學、哥倫比亞大學及首爾國立大學等國際合作的成果。研究團隊利用DIII-D國家融合設施的實驗數據來訓練這個AI系統。該系統的應用不僅限於核融合,還可能擴展到太空梭和機器人手術等其他領域,確保在關鍵環境中的可靠性。
Diag2Diag的名稱源於「診斷」(diagnostic)一詞,這是用於分析電漿的技術。該系統能夠在更短的時間內提供更頻繁的數據測量,特別是在快速變化的電漿不穩定性方面,這對於穩定核融合反應至關重要。PPPL的研究人員指出,這一技術能夠在不增加硬體成本的情況下,提升現有診斷系統的性能。
此外,研究團隊還發現,Diag2Diag生成的數據支持了一種關於如何控制邊緣局部模式(ELMs)的主要理論。ELMs是核融合反應爐中強大的能量爆發,可能會對反應爐內部造成嚴重損害。PPPL在ELM抑制研究方面處於全球領先地位,並且該研究的結果將有助於未來商業核融合反應堆的發展。
隨著對Diag2Diag的興趣日益增長,研究團隊計劃擴大其應用範圍,並希望將其應用於其他核融合診斷以及其他需要填補數據的領域。這項研究得到美國能源部及韓國國家研究基金會的支持,顯示出國際合作在推動核融合技術發展中的重要性。
(首圖來源:PPPL)