リアルタイム核融合プラズマ挙動の予測と操作のためのAI技術

 (control.princeton.edu)
1 ポイント 投稿者 GN⁺ 2024-11-09 | 1件のコメント | WhatsAppで共有

AIを用いたリアルタイム核融合プラズマ挙動の予測と操作

  • マルチモーダル超解像: 複数の空間的・時間的な物理スケールに支配される非線形複合システムは、単一の診断だけでは完全に理解できない。複数の診断を組み合わせると、システム物理の不完全な投影が生じる。隠れた相互相関を特定することで、こうしたギャップを埋めることが可能である。このために革新的な機械学習手法が導入された。この手法は、エッジ局在モード（ELM）のようなプラズマ不安定性への対処に役立つ。

  • 機械学習によるRTプロファイル制御: トカマクでプラズマを制御するために、さまざまな「アクチュエータ」を使用する。モデル予測制御により、物理実験の成功率を高め、時間を節約できる。リアルタイム物理モデルは常に正確とは限らないため、リアルタイム診断のみを用いて100マイクロ秒以内に予測を生成する機械学習モデルを開発した。

高解像度診断によるプラズマ挙動のモニタリング

  • 不安定性の検出と分類: 電子サイクロトロン放射信号に基づいて、プラズマコアの不安定性を検出・分類する研究が進められている。Reservoir Computing Networks などの機械学習モデルを使用し、時系列データ処理に効果的であることが実証された。

  • 診断データの精度と範囲の向上: 診断データの精度と範囲は、核融合研究装置および原子炉の最適な性能を理解するうえで重要である。機械学習ベースのアプローチにより、診断信号を再現し、信号の可視化を向上させる。

トカマク輸送モデルの大規模データベース交差検証と検証

  • トカマク輸送予測の信頼性向上: DIII-D放電を使用して統計的有意性を確保し、予測モデルの信頼性を高める。1D輸送ソルバー ASTRA と TRANSP を検証した結果、蓄積エネルギーの予測では高い精度を示したが、プラズマ温度プロファイルの予測では、単純な経験的モデルと比べて統計的な優位性はなかった。

リアルタイムCarbon-III放射前面プロキシによる安定したダイバータ放射分離

  • 安定したダイバータ分離: トカマクが過剰な熱フラックスによるダイバータプレート損傷を防ぎながら、良好な閉じ込めを維持できるようにする。機械学習アルゴリズムを用いることで、トカマク内のどこからでも分離値を直接求め、必要に応じてアクチュエーション信号を調整できる。

関連記事

1件のコメント

 
GN⁺ 2024-11-09
Hacker News の意見

  • 参考までに https://www.ri.cmu.edu/ai-meets-fusion-cmu-princeton-join-fo... も一見の価値あり
    もともと投稿されていたリンクだったが、https://news.ycombinator.com/item?id=42077657 によって差し替えられたもの

  • 今日学んだこと：これは単なるバズワードの組み合わせだけではなかった
    https://en.wikipedia.org/wiki/Fusion_power#Machine_learning

    • 私の指導教員も、トカマク内部の電子密度と温度推定のための機械学習プロジェクトをやっていた：https://www.cs.wm.edu/~ppeers/showPublication.php?id=Ozturk:...
      技術的には「核融合におけるAI」に当たるが、何らかのブレークスルーとは言いにくい。ほとんどの場合、AIの効果は周辺的で、完全にゼロではないものの、誇張された宣伝とはほど遠い
    • ほぼ20年前にグリッドコンピューティングの仕事をしていたときも、すでに核融合実験を走らせ、データをリアルタイムでグリッドにストリーミングして素早く解析し、次の実行のための新しいパラメータを計算していた
      当時は20分ほどのダウンタイムがあったと思う。その頃は機械学習とは呼んでおらず、現在のディープラーニングでは確実になかった
    • 興味深い。Orion のような新世代のARヘッドセットが、一部のデバイスコントローラの上に人工ニューラルネット由来の層を載せるだけで、不可能に見えたことを可能にしている様子を思い出す
      成熟したブルートフォース手法を前に、どれほど多くの問題が根本的に変わるのか気になる
    • 生命を、自らを維持しようとする複雑な化学反応と見るなら、かなり興味深い
    • AIはバズワードではない。機械学習なしで囲碁に勝ってみろ、という話だ
      企業っぽい言い回しさえ無視すれば、ニューラルネットによってほぼ初めて可能になったクールなものがたくさん見える

  • 核融合分野にはAI研究がかなり多い。トカマクのような磁場閉じ込め核融合と競合する慣性閉じ込め核融合では、National Ignition Facility（NIF）が「点火」に至った実験でAIを使っていた
    私たちの研究室は Laboratory for Laser Energetics の研究者たちと協力し、AIで慣性閉じ込め核融合（ICF）を改善しようとしている。最近は Kolmogorov-Arnold Networks（KANs）でICF実験の結果を予測する論文 [1] を出した。現在の物理シミュレータは古い Fortran コードベースで遅く、予測と実際のレーザーショットの間の誤差が大きいため、ニューラルネットでより良い予測器を作ることも目標にしている。実データで高速に反復するのは難しく、ICFのショットデータセットも約300件しかないため必要になる
    [1] https://arxiv.org/abs/2409.08832

    • またコンピュータサイエンス側から「古い Fortran コードはひどい」という流れだな。コードの予測とレーザーショットの間の大きな誤差は、LPIが本質的にノイズが多く、条件を完全に制御するのが事実上不可能なために生じる
      高価なシミュレーションを数日から数週間走らせても、実験では焦点が1ミクロンずれるだけで一桁規模で変わることがあり得た。「古い Fortran コード」自体が問題なのではなく、その中には正しい物理が入っている。問題は初期条件を制御できない点で、だからこのようなシステムのシミュレーションは難しい
      コードは魔法ではなく物理コードであり、通常は実験に関係する物理を、私たちが理解している通りに符号化したものだ。だから物理モデルが間違っていると言うのに近いが、それにはほぼ100年分のプラズマ物理学を無効化しなければならないほど、はるかに高い基準が必要になる。天気予報のように世界中に気象観測気球を上げられるわけでもなく、標的のすべてのミクロンを常にプラズマ温度と密度まで探査できるわけではない
    • 古い Fortran コードとAIの間には、かなり広い隔たりがあるのでは？
      既存のアルゴリズムをCで書き直して、現代的な手法を適用したらどうだろう。マルチスレッディングやGPU計算のようなものだ。そこに価値があるならできそうだし、それほど時間もかからない気がする
    • 「古い Fortran コードで遅く、予測誤差が大きい」という部分が気になる
      この分野のプロジェクトに関係するAPI、ソフトウェア、ソースコードを説明しているオンラインの参考資料やドキュメントがあるのか知りたい

  • 約20年前、イタリアのパドヴァ大学の学部生だった頃、都市郊外のレニャーロに核融合実験装置があった
    核融合装置はある建物に、制御室は隣の建物にあった。当時はCRTモニターを使っていたが、核融合イベントが起きるたびに磁場閉じ込めの場があまりに強く、制御室のすべての画面表示が同時に片側へずれ、場が切れると戻ってきた。建物をまたいでそうなっていた

    • それがハードドライブやマイクにも影響していたのか気になる

  • これは単なる研究費更新の発表なのか？

    • 実際に支援を受けている研究の概要は、このリンクが示しているようだ
      “AI for Real-time Fusion Plasma Behavior Prediction and Manipulation - Plasma Control Group”: https://control.princeton.edu/machine-learning-for-rt-profil...
    • そう見える。:staremoji:マーケティング:staremoji: の力だ

  • 「However, uncovering these inter-correlations analytically is too complex to be achieved analytically.」とは、ため息が出る。
    自分の仕事に興奮しているのは良いことだし素晴らしいことだが、文章をもう少し磨いて、「groundbreaking」「now.. for the first time」「unprecedented」のような宣伝めいた流行語を使うのはやめられないのだろうか。こうした散漫な表現は主張の読みやすさを大きく損ない、正直なところ読者に否定的なバイアスを生み、信頼性まで削ってしまう。

    • 執筆過程でLLMを使ったからである可能性が高い。

  • 中性子はハードウェアを放射化する。
    Hacker Newsには、核分裂ではなく核融合炉を夢見ている人が多い。そうした核融合炉は強力な高速中性子発生源になり、内部のハードウェアはすべて放射性を帯びることになる。ガンマ線は言うまでもない。
    どうせ放射性物質を扱わなければならないのなら、なぜ素直に核分裂を使わないのか。核分裂炉は70年にわたって扱ってきており、95%以上の効率で作り運用する方法を知っている。核分裂は必要な電力をすべて供給できる。
    現在32カ国で440基の核分裂炉が稼働しており、米国の電力網の20%は核分裂由来だ。エネルギー技術を開発したいなら、核分裂の改善に集中すべきだ。たとえばTRISO燃料（https://news.ycombinator.com/item?id=41898377）や、Lightbridgeが取り組んでいること（https://www.ltbridge.com/lightbridge-fuel）のようなものだ。Hacker Newsは核分裂に敵対的で、核分裂技術の革新を想像できない敗北主義的な態度を見せているが、この態度は次第に変わっていくだろう。
    John Carmackの言葉を引用すると、「重水素核融合は安価で事実上無限の燃料源と、ほどほどの廃棄物流を提供するだろうが、核分裂に比べると、熱を作る方法としてはほとんど滑稽なほど複雑で高価だ。核分裂は基本的に『この石を互いの隣に置いておくと熱くなる』に近い」。

    • 専門家ではないが、自分が知っていると思っていることはこうだ。フランス人の視点で言えば、私は電力の大部分を核分裂発電所由来で消費している。
      1/ ウランは再生可能ではなく、むしろその正反対で、採掘と処理が必要で、高価で汚染も大きい。世界の大半の地域では必要な濃度で存在しないため、地政学的な問題も生む。
      2/ 核分裂発電所は、うまく機能する国家や政府、そして戦争がない状態を必要とする。発電所への通常兵器による攻撃でも破壊的で長期にわたる結果をもたらし得るし、任意のテロ集団でもそうしたことができてしまう。
      3/ 「最終的に研究者たちは、陽子-ホウ素11反応を採用したいと考えている。副反応は起こり得るが、直接には中性子を生成しないからだ」という文章を読んだ。Wikipediaからの引用だが、他の情報源でもすでに見た内容だ。
      だから核融合は、研究の複雑さと費用のため短期的には最善の選択ではなさそうだが、中長期的には確かに最高の選択肢に見える。石炭と石油で短期的な災厄の選択はすでにしてしまったのだから、そこから学べるとよい。
      あるいは、私が完全に間違っているのかもしれない。
    • 「中性子がハードウェアを放射化する」というのは正しいが、2つの但し書きがある。
      1. 核融合による中性子照射はハードウェアを10年未満の期間にわたって放射化する。良いことではないが、核分裂廃棄物と比較するほどのものではない。
      2. 一部の核融合過程は中性子を放出しない。つまり無中性子核融合だ。私の理解では、こうした過程は効率が低いが、放射性廃棄物の生成と効率との間でトレードオフが可能かもしれない。
    • 「95%以上の効率で運用する」とはどういう意味なのか、よく分からない。
      原子炉からエネルギーや電力を得る全体のプロセスを指しているのなら不可能だ。依然としてカルノーサイクルの制約を受ける。HTGRのような最も進んだ原子炉でも効率は約45%だ。
      標準とは異なる効率の定義を使っているのなら、その定義を示してほしい。
      [1] https://en.wikipedia.org/wiki/High-temperature_gas-cooled_re...
    • 1カ月前にも、ほぼ一字一句同じコメント[0]を投稿していたようだが、なぜなのか。理由は分からないが、「Hacker Newsには核分裂ではなく核融合を夢見る人が多い」という文が頭に残っていた。
      [0] https://news.ycombinator.com/item?id=41677250
    • それは私に言わせれば最も小さな問題だ。より大きな問題は中性子腐食だ。
      リチウム遮蔽を使って核融合に必要なトリチウムを作る手はあるが、特に長期的な原子炉寿命の観点でどれほど有効なのかは分からない。こうした原子炉は非常に高価なので、毎年停止してLi遮蔽全体を交換する価値があるのかも確かではない。