로체스터 대학교의 레이저 에너지 (LLE) 실험실에는 세계 최고의 학업 레이저 설치 인 오메가 레이저가 장착되어 있습니다. 한눈에, 그것은 작은 크로스 헤어 표적에 초점을 맞추기 전에 빔을 분할하고 증폭시킬 수있는 정교한 대리석 활주로처럼 보입니다. 그것의 핵심 사명은 천체 물리학 현상을 탐색하고, 극도의 원자 규모 압력에서 재료를 테스트하고, 파괴적인 융합 연구를 발전시키는 것입니다.
Rochester Laser Laboratory는 미국 에너지 국 (DOE) 국가 핵 안보국 (DOE)의 2024 년까지 5 억 3 천만 달러의 보조금 덕분에 이러한 중요한 연구를 수행하기위한 이상적인 조건을 만들었습니다. 레이저 랩은 한 달에 한 번 복잡한 융합 실험을 수행하며 과학자들은 레이저를 발사하고 데이터를 기록 할 수있는 약 5 가지 기회를 가지고 있습니다. 다중 물리 필드 컴퓨터 시뮬레이션을 통해 과학자들은 퓨전 플라즈마에 대한 더 깊은 이해를 얻을 수 있고, 실험을 설계하고 결과를 해석 할 수 있습니다.
이 실험은 냉동 중수소-트리 물질을 함유 한 플라스틱 캡슐로 시작하여 직경의 밀리미터 만 절대 제로보다 20 도의 온도로 온도로 시작했습니다. 사람의 모발 가닥보다 작고 온도는 3 천만도 이상 상승합니다. " 이 과정은 물리학에 대한 깊은 지식이 필요할뿐만 아니라,이 순간에 발생하는 모든 현상을 자세히 측정하기 위해 고급 진단 기술을 사용해야합니다.
이러한 고급 진단 기술에 의해 수집 된 풍부한 데이터를 활용하고 미국 융합 연구를보다 광범위하게 가속화하기 위해 LLE 과학자들은 인공 지능 (AI) 및 기타 고급 컴퓨팅 기술로 전환하고 있습니다.
LLE은 50 년 이상 관성 감금 융합 분야 (ICF)에서 핵심 도전을 적극적으로 홍보하고 해결해 왔습니다. ICF는 과학계에서 통제 된 열핵 융합을 달성하기위한 가장 유망한 접근법으로 널리 알려져 있으며 유망한 깨끗하고 재생 가능한 에너지 기술을 나타냅니다.
로체스터 대학의 컴퓨터 과학 부교수 인 크리스토퍼 카난 (Christopher Kanan)은 다음과 같이 설명합니다.
오메가 자체는 점화를 달성하도록 설계되었지만 레이저 중심의 직접 드라이브 퓨전에 대한 이해를 발전시키기 위해 설계되었습니다. 오메가보다 60 배 더 활력이 넘치는 Livermore National Laboratory의 National Ignition 시설은 역 물리학 문제에 대한 해결책을 찾았으며 2022 년에 이미 점화를 달성했습니다. 오메가의 진보와 점화 성취는 통계 모델링에 의존합니다. 물리학에 대한 우리의 완전한 이해에서 격차를 메우기 위해.
시뮬레이션과 실험 사이에 존재하는 지식 격차는 물리의 복잡성, 측정 한계 및 핵 물리학, 플라즈마 물리학 및 재료 과학 연구를 포함하여 연구 노력의 광범위한 범위에서 비롯됩니다. 가장 진보 된 컴퓨터 코드.
첫째, 목표의 문제가 있습니다. 실험은 핀 끝에 놓을 수있는 중공 플라스틱 구체로 시작합니다. LLE 연구원은 정밀 도구를 사용하여 구를 만들고 수소 동위 원소로 채우고 절대 0으로 냉각됩니다. 냉동 공정으로 인해 수소는 플라스틱 껍질 내부에 얼음 층을 형성했습니다.
LLE 리서치 팀은 컴퓨터 시뮬레이션을 안내하여보다 정확한 예측을 생성하는 수단으로 데이터의 뉘앙스와 패턴을 정확하게 감지 할 수있는 방법을 찾고 있습니다. 이 개선 된 예측 능력은 융합 실험을 세분화하고 차세대 퓨전 연구 및 레이저 기술을 주도합니다.
인공 지능, 특히 서브 필드 머신 러닝은 컴퓨터 코드의 예측 효능을 최적화하고 경험을 통해 예측을 개선하는 데 도움이 될 수 있습니다. 머신 러닝은 예측 분석을 수행 할뿐만 아니라 데이터를 처리하고 관계를 강화 하며이 지식을 기능에 적용합니다.
Riccardo Betti, LLE의 최고 과학자이자 기계 공학과의 Robert L. McCrory 교수 및 로체스터 대학교의 물리 및 천문학과 교수는 다음과 같이 지적했습니다. 머신 러닝은 시뮬레이션을 수정하고 실시간 조정을 실험에 안내하는 데 사용될 수 있습니다. "
Betti와 Kanan의 연구 작업은 최근 생성 인공 지능의 발전, 데이터 및 텍스트 및 비디오와 같은 다른 형태의 출력을 생성하는 AI 기술의 발전을 기반으로합니다. 로체스터 대학교 리서치 팀은 이러한 고급 알고리즘을 사용하여 역 물리학 문제를 해결하여 시뮬레이션의 정확성을 향상시킵니다. 미국 에너지 부의 퓨전 에너지 과학 (FES) 프로그램은이 연구에 대한 자금 지원에 거의 3 백만 달러를 제공했으며, 이는 2026 년까지 완료 될 것으로 예상됩니다.
Riccardo Betti는 다음과 같이 덧붙였습니다. "우리의 목표는 생성 AI의 도움으로 시뮬레이션 예측을 개선하고 레이저 표적 상호 작용의 특성을 정확하게 추론하는 것입니다. 우리는 퓨전 기술의 미래를 가속화하기 위해 AI의 힘을 활용하고 있습니다."
LLE의 이론 부서의 과학자이자 기계 공학 조교수 인 Varchas Gopalaswamy 박사는 "시뮬레이션 예측과 실험 결과 사이의 불일치를 인식하면 두 사람을 조정하기 위해 기계 학습을 적용 할 수 있습니다." 그는 또한 "실험의 가변 변화가 있다면 시뮬레이션이 그에 따라 응답 할 수 있습니까? 그 응답이 실험에 반영 될 것인가? 이것은 우리의 가설의 정확성을 검증하고 변수를 조정하거나 완화 전략을 개발할 수 있는지 여부를 결정합니다. . " Gopalaswamy는 "머신 러닝의 데이터에서 패턴에 대한 더 깊은 분석을 통해 새로운 가설을 공식화하고 다른 신체적 현상을 탐구하며 더 나은 실험을 설계 할 수있었습니다."
Gopalaswamy는 또한 "ICF에 직면하는 데있어서의 과제 중 하나는 AI를 훈련시키는 데 사용한 퓨전 실험 데이터가 CAT 사진의 거대한 데이터베이스에 비해 상대적으로 제한되어 있다는 것입니다.이 경우 사용 가능한 경험적 데이터를 활용하는 것은 특히 어려운 일입니다. 지식 격차를 해소하기 위해 이것이 우리가 이론적 지식을 실험적 현실과 통합하기 위해 강력한 시스템이 필요한 이유입니다. "
미국의 물리 학회는 Betti, Gopalaswamy 및 기타 LLE 과학자들의 작품을 인정했습니다. John Dawson Award Award for Plasma Physics Research에서 30 KJ Omega Laser와의 파열 실험을 예측, 설계 및 분석하는 데 대한 선구적인 성과에 대한 우수한 과학자들의 작업을 인정했습니다.
Rochester Laser Laboratory의 인공 지능 및 기계 학습 연구는 또한 플라즈마 이사 및 초고속 레이저 과학 및 엔지니어링 부서 이사 인 Dustin Froula의 여러 발견에 기여했습니다. 그의 경력 과정에서 Froula와 그의 팀은 Thomson 산란을 통한 혈장 온도를 측정하는 것을 포함하여 다양한 기술을 개발했으며 "플라이 포커스"기술 또는 장거리에 걸쳐 레이저 강도를 제어하는 새로운 지평을 세웠습니다. 그리고 기계 학습은 우리가 실험을 설계하는 방식에 혁명을 일으켜 차세대 시설을 구상 할 때 더 나은 레이저를 구축 할 수있게 해줍니다. "라고 그는 다음과 같이 설명합니다. 그는 또한 "레이저 빔의 스펙트럼의 다중 색상은 플라즈마가 빔을 통해보다 효율적으로 전파하는 데 도움이되며 AI는 이러한 다른 색상과 플라즈마 사이의 복잡한 상호 작용을 이해하는 데 도움이됩니다."
마지막으로, Energy Department of Nuclear Fusion Research는 무거운 수소 (중수소 및 삼중습) 원자의 융합에 의존하는 유망한 청정 에너지 기술인 관성 융합 에너지 (IFE)를 발전시키기 위해 설계된 국가 연구 센터의 지정을 부여했습니다. 에너지를 생산합니다.
로체스터 대학교의 학제 간 연구 강점에 의존하여 LLE은 수렴 연구에서 인공 지능 및 기계 학습의 적용을 향상시키기 위해 여러 학생들을 성공적으로 모집했습니다.
Gopalaswamy에 따르면, "우리의 목표는 진단 도구의 정확성을 더욱 향상시키기 위해 기계 학습에 대한 지속적인 열정을 가진 학생들에게 영감을주는 것입니다. 실제로, 우리는 AI 전문가가 필요합니다. 그러나 물리학 자의 역할은 모델이 올바른지 확인하기 위해 필수적이지 않습니다. 과학적으로 건전합니다. 또한 우리는 완전한 생태계를 형성하기 위해 엔지니어, 기술자 및 재료 과학자가 필요합니다. "
그는 "국가가 청정 에너지와 지속 가능한 힘으로 전환함에 따라 퓨전 연구에서 AI의 적용은 유망하며 신흥 인력 분야가 될 수있다"고 덧붙였다.
기계 공학과의 LLE 이론 부서 및 리서치 조교수 인 Valeri Goncharov는 "인공 지능은 연구를 안내하는 데 중요한 도구입니다. 이러한 도구를 최적화함으로써 연구 결과를 향상시킬 수 있습니다. 이러한 도구는 연구를 용이하게합니다. , 혁신의 원동력은 여전히 우리의 정보에서 비롯된 것입니다.
