Ses aniden durduğunda favori bir film izlediğinizi düşünün. Sesi temsil eden veriler eksik. Geriye kalan tek şey görüntüler. Yapay Zeka (AI) videonun her bir karesini analiz edebilir ve sesleri otomatik olarak resimlere dayalı olarak sağlayabilir, dudakları okuma ve bir ayak her yere çarptığında not ederse?
Princeton Üniversitesi’nden Azarakhsh Jalalvand’a göre, Fusion’ın yakıtı olan plazma hakkında eksik verileri dolduran yeni bir yapay zekanın arkasındaki genel kavram budur. Jalalvand, yakın zamanda yayınlanan Diag2diag olarak bilinen AI hakkında bir makalenin baş yazarıdır. Doğa İletişimi.
“Bir sistemdeki bir grup sensörden verileri almanın ve bu sistemde farklı bir sensör için verilerin sentetik bir versiyonunu oluşturmanın bir yolunu bulduk.” Dedi. Sentetik veriler gerçek dünya verileriyle uyumludur ve gerçek bir sensörün sağlayabileceğinden daha ayrıntılıdır. Bu, gelecekteki füzyon sistemlerinin karmaşıklığını ve maliyetini azaltırken kontrolün sağlamlığını artırabilir. “Diag2diag, ayrıntıları artırarak ve başarısız veya bozulmuş sensörlerden veri kurtararak, kritik ortamlarda güvenilirliği sağlayarak uzay aracı ve robotik cerrahi gibi diğer sistemlerde uygulamalara da sahip olabilir.”
Araştırma, Princeton Üniversitesi, ABD Enerji Bakanlığı (DOE) Princeton Plazma Fizik Laboratuvarı (PPPL), Chung-Ang Üniversitesi, Columbia Üniversitesi ve Seul Ulusal Üniversitesi arasındaki uluslararası işbirliğinin sonucudur. Araştırmada AI geliştirmek için kullanılan tüm sensör verileri, bir DOE kullanıcı tesisi olan DIII-D Ulusal Fusion tesisindeki deneylerden toplandı.
Yeni AI, bilim adamlarının bir füzyon sistemi içindeki plazmayı izleme ve kontrol etme şeklini geliştirir ve gelecekteki ticari füzyon sistemlerini güvenilir bir elektrik kaynağı tutmaya yardımcı olabilir. Jalalvand, “Bugün füzyon cihazlarının tüm deneysel laboratuvar makineleridir, bu yüzden bir sensöre bir şey olursa, olabilecek en kötü şey, deneyi yeniden başlatmadan önce zaman kaybetmemizdir. Ancak füzyonu bir enerji kaynağı olarak düşünürsek, 7/24, kesintisiz çalışması gerekir.” Dedi.
AI kompakt, ekonomik füzyon sistemlerine yol açabilir
Diag2diag adı, bir plazmayı analiz etmek için kullanılan tekniği ifade eden ve plazmayı ölçen sensörler içeren “teşhis” kelimesinden kaynaklanır. Teşhisler, genellikle ikinci bir parçanın bir kısmı kadar hızlı, düzenli aralıklarla alır. Ancak bazıları, plazmayı özellikle hızlı gelişen plazma kararsızlıklarını tespit edecek kadar sıklıkla ölçmez: plazmada gücü güvenilir bir şekilde üretmeyi zorlaştırabilecek ani değişiklikler.
Bir füzyon sisteminde plazmanın farklı özelliklerini ölçen birçok teşhis vardır. Örneğin Thomson saçılması, Tokamaks adı verilen Doughnut şekilli füzyon sistemlerinde kullanılan bir teşhis tekniğidir. Thomson saçılma teşhisi, elektron olarak bilinen negatif yüklü parçacıkların sıcaklığını ve yoğunluğu ölçer: bir alan birimine paketlenen elektron sayısı. Plazma fizikçilerinin plazmayı sabit tutması ve en yoğun performansta tutması gereken ayrıntıları sağlayacak kadar hızlı ancak ölçümler alır.
PPPL ve Princeton Üniversitesi’nin Andlinger Enerji ve Çevre Merkezi ve Mekanik ve Aerospace Mühendisliği Bölümü’nde ortaklaşa atanan araştırmanın baş araştırmacısı Egemen Kolemen, “Diag2diag, donanım parası harcamadan teşhisler bir artış sağlıyor” dedi.
Bu, Thomson saçılması için özellikle önemlidir, çünkü diğer teşhisler plazmanın kenarında da kaide olarak bilinen ölçümler alamaz. İzlenmesi plazmanın en önemli kısmıdır, ancak ölçülmesi çok zordur. Kaide’nin dikkatlice izlenmesi, bilim adamlarının plazma performansını artırmasına yardımcı olur, böylece füzyon reaksiyonundan en fazla enerjiyi verimli bir şekilde elde etmenin en iyi yollarını öğrenebilirler.
Füzyon enerjisinin ABD güç sisteminin önemli bir parçası olması için hem ekonomik hem de güvenilir olmalıdır. Diag2diag araştırma ekibinin bir parçası olan PPPL personel araştırma bilimcisi Sangkyeun Kim, AI’nın ABD’yi bu hedeflere doğru hareket ettirdiğini söyledi.
Kim, bugünün deneysel Tokamaks’ın çok fazla teşhisi var, ancak gelecekteki ticari sistemlerin muhtemelen çok daha az olması gerekecek. “Dedi. “Bu, doğrudan enerji üretmeye dahil olmayan bileşenleri en aza indirerek füzyon reaktörlerini daha kompakt hale getirmeye yardımcı olacaktır.”
Daha az teşhis de makinenin içindeki değerli alanı serbest bırakır ve sistemi basitleştirmek de daha az hata şansı ile onu daha sağlam ve güvenilir hale getirir. Ayrıca, bakım maliyetlerini düşürür.
AI stabilize edici füzyon plazmasına yaklaşımlar
Araştırma ekibi ayrıca AI verilerinin plazma kesintilerini durdurmak için bir yöntemin nasıl çalıştığı konusunda önde gelen bir teoriyi desteklediğini buldu. Dünyanın dört bir yanındaki füzyon bilim adamları, reaktörün iç duvarlarına ciddi şekilde zarar verebilen füzyon reaktörlerinde güçlü enerji patlamaları olan kenar lokalize modları (ELMS) kontrol etmenin yolları üzerinde çalışıyorlar.
ELM’leri durdurmak için umut verici bir yöntem, rezonant manyetik pertürbasyonların (RMP) uygulanmasını içerir: bir Tokamak’ın içinde bir plazma tutmak için kullanılan manyetik alanlarda yapılan küçük değişiklikler. PPPL, AI ile ilgili son makaleler ve bu sorunlu aksamaları durdurmak için geleneksel yaklaşımlar ile ELM-Suppression araştırmalarında liderdir. Bir teori, RMP’lerin plazmanın kenarında “manyetik adalar” yarattığını göstermektedir. Bu adalar plazmanın sıcaklığının ve yoğunluğunun düzleşmesine neden olur, yani ölçümler plazmanın kenarı boyunca daha düzgün idi.
Projede de çalışan PPPL baş araştırma bilimcisi Qiming Hu, “Thomson Diagnostic’in sınırlaması nedeniyle normalde bu düzleşmeyi gözlemleyemeyiz.” Dedi. “Diag2diag bunun nasıl gerçekleştiği ve nasıl geliştiğine dair çok daha fazla ayrıntı sağladı.”
Manyetik adalar ELM’lere yol açabilirken, büyüyen bir araştırma grubu, plazma stabilitesini iyileştirmek için RMP’ler kullanılarak ince ayar yapabileceğini göstermektedir. Diag2diag, plazmanın kaide bölgesinde hem sıcaklık hem de yoğunluğun bu eşzamanlı düzleşmesinin yeni kanıtlarını sağlayan veriler üretti. Bu, Elm Bastırma için manyetik ada teorisini güçlü bir şekilde destekler. Bu mekanizmayı anlamak, ticari füzyon reaktörlerinin geliştirilmesi için çok önemlidir.
Bilim adamları zaten Diag2diag’ın kapsamını genişletme planları yapıyorlar. Kolemen, birkaç araştırmacının zaten AI’yı denemeye ilgi duyduğunu belirtti. “Diag2diag diğer füzyon teşhislerine uygulanabilir ve tanı verilerinin eksik veya sınırlı olduğu diğer alanlar için geniş ölçüde uygulanabilir.” Dedi.
