המעבדה של אוניברסיטת רוצ'סטר לאנרגטיקה לייזר (LLE) מצוידת בלייזר אומגה, מתקן הלייזר האקדמי המוביל בעולם. במבט חטוף זה נראה כמו מסלול שיש מורחב של חלקיקי אור ופלזמה, המסוגל לפצל ולהגביר קרן לפני שהוא מתמקד אותו ביעד זעיר. משימת הליבה שלה היא לחקור תופעות אסטרופיזיות, בחינת חומרי בדיקה בלחצים אטומיים קיצוניים, ולעבוד לקידום מחקר היתוך משבש.
הודות למענק של 503 מיליון דולר עד 2024 מהמינהל הלאומי לביטחון גרעיני של משרד האנרגיה האמריקני (DOE), מעבדת לייזר רוצ'סטר יצרה תנאים אידיאליים לביצוע מחקרים קריטיים אלה. מעבדת הלייזר מבצעת ניסויי היתוך מורכבים פעם בחודש, ולמדענים יש כחמש הזדמנויות לפטר לייזרים ולרשום נתונים. באמצעות הדמיות מחשב מרובות-פיזיקה, מדענים מסוגלים להשיג הבנה מעמיקה יותר של פלזמת ההיתוך, לתכנן ניסויים ולפרש את התוצאות, למרות שהדמיות אלה אינן יכולות לשחזר את כל הפרטים הניסויים.
הניסוי התחיל בכמוסה מפלסטיק המכילה דויטרריום-טריטיום קפוא, רק בקוטר מילימטרים, בטמפרטורה של 20 מעלות מעל אפס מוחלט, "אמר מנהל LLE, כריסטופר דיני. ואז, במיליארד שנייה, הקפסולה נדחסת אל קוטר קטן יותר מגדיל שיער אנושי והטמפרטורה עולה ליותר מ -30 מיליון מעלות. " לא רק שתהליך זה דורש ידע עמוק בפיזיקה, אלא שיש להשתמש גם בטכניקות אבחון מתקדמות כדי למדוד בפירוט את כל התופעות המתרחשות ברגע זה.
כדי לנצל את שפע הנתונים שנאספו על ידי טכניקות אבחון מתקדמות אלה ולהאיץ את מחקר היתוך בארה"ב בצורה רחבה יותר, מדעני LLE פונים לבינה מלאכותית (AI) וטכנולוגיות חישוב מתקדמות אחרות.
במשך יותר מחמישים שנה LLE מקדם באופן פעיל ומתייחס לאתגרי הליבה בתחום היתוך הכליאה האינרציאלי (ICF). ICF מוכר באופן נרחב בקהילה המדעית כגישה המבטיחה ביותר להשגת היתוך תרמו -גרעיני מבוקר ומייצג טכנולוגיית אנרגיה נקייה ומתחדשת מבטיחה.
כריסטופר קנאן, פרופסור חבר למדעי המחשב באוניברסיטת רוצ'סטר, מסביר, "ICF היא למעשה בעיה בפיזיקה הפוכה, שם מדענים צריכים להפוך את התכונות המדויקות של הלייזר והמטרה."
אומגה עצמה לא נועדה להשיג הצתה, אלא לקדם את ההבנה של מיזוג הכונן הישיר המונע על ידי לייזר. מתקן ההצתה הלאומי במעבדה הלאומית ליברמור, שהוא פי 60 יותר אנרגטי מאומגה, מצא פיתרון לבעיית הפיזיקה ההפוכה וכבר השיג הצתה בשנת 2022. גם ההתקדמות שנעשתה באומגה והן הישג ההצתה מסתמכות על דוגמנות סטטיסטית למלא את הפערים בהבנתנו המלאה של הפיזיקה.
פער הידע הקיים בין הדמיות וניסויים נובע מהמורכבות של הפיזיקה, מגבלות המדידות וההיקף הרחב של מאמץ המחקר, הכולל פיזיקה גרעינית, פיזיקה בפלזמה ומחקר מדעי חומרים שנערכו בתנאים קיצוניים שאותגר אפילו קודי המחשב המתקדמים ביותר.
ראשית, יש את שאלת היעד; הניסוי מתחיל בתחום פלסטיק חלול שניתן להציב על קצה הסיכה; חוקרי LLE משתמשים בכלי דיוק כדי ליצור את הכדור ולמלא אותו באיזוטופים מימן, אשר מקוררים אז עד לאפס מוחלט. תהליך ההקפאה גרם למימן ליצור שכבת קרח בתוך מעטפת הפלסטיק.
צוות המחקר LLE מחפש דרך לאתר במדויק ניואנסים ודפוסים בנתונים כאמצעי להנחות הדמיות מחשב כדי לייצר תחזיות מדויקות יותר. יכולת החיזוי המשופרת הזו תעיד בתורם את ניסויי היתוך ותניע את הדור הבא של מחקר היתוך וטכנולוגיית לייזר.
בינה מלאכותית, ובמיוחד למידת מכונת התת -תחום שלה, יכולה לעזור לייעל את היעילות החזויה של קודי מחשב ולשפר את התחזיות באמצעות ניסיון. למידת מכונה לא רק מבצעת ניתוח ניבוי, אלא גם מעבד נתונים, מפנה קשרים ומיישם ידע זה על תפקידיו.
ריקרדו בטי, המדען הראשי של LLE ופרופסור רוברט ל. מק'קורי במחלקה להנדסת מכונות והמחלקה לפיזיקה ואסטרונומיה באוניברסיטת רוצ'סטר, ציינו, "יש לנו כעת כמות גדולה של נתונים ניסיוניים שעזרתם בעזרת למידת מכונה, ניתן להשתמש בהם לתיקון הדמיות ולהנחות התאמות בזמן אמת לניסויים. "
עבודת המחקר של בטטי וקנאן מבוססת על התקדמות אחרונה בתחום הבינה המלאכותית הגנרית, טכניקת AI המייצרת נתונים וצורות פלט אחרות, כמו טקסט ווידאו. צוות המחקר של אוניברסיטת רוצ'סטר משתמש באלגוריתמים מתקדמים אלה כדי לפתור בעיות פיזיקה הפוכות לשיפור דיוק ההדמיות. התוכנית האמריקאית של חברת Fusion of Energy Fusion Sciences (FES) סיפקה כמעט 3 מיליון דולר במימון תמיכה במחקר זה, שצפוי להסתיים עד שנת 2026.
ריקרדו בטי הוסיף: "המטרה שלנו היא לשפר את תחזיות ההדמיה בעזרת AI גנוצרי ולהסיק במדויק את התכונות של אינטראקציות ליעד לייזר. אנו רותמים את כוחו של AI להאיץ את עתיד טכנולוגיית היתוך."
ד"ר ורצ'ס גופלאסוואמי, מדען במחלקה לתיאוריה של LLE ועוזר פרופסור להנדסת מכונות, קובע, "ברגע שאנו תופסים אי התאמה בין תחזיות הסימולציה לתוצאות הניסוי, אנו מסוגלים ליישם למידת מכונות כדי ליישב את השניים." עוד הוא מסביר, "אם משתנה משתנה בניסוי, האם הסימולציה יכולה להגיב בהתאם? האם תגובה זו תשתקף בניסוי? זה יאמת את הדיוק של ההשערה שלנו ויקבע אם נוכל להתאים את המשתנה או לפתח אסטרטגיית הפחתה בהתאם " Gopalaswamy הוסיף, "עם הניתוח העמוק יותר של Machine Learning של דפוסים בנתונים, הצלחנו לנסח השערות חדשות, לחקור תופעות פיזיות שונות ולעצב ניסויים טובים יותר."
גם גופלאסוואמי ציין כי "אחד האתגרים של התמודדות עם ICF הוא שהנתונים הניסויים של היתוך בו השתמשנו כדי להכשיר את ה- AI היו מוגבלים יחסית בהשוואה למאגר הענק של תמונות החתול. במקרה זה, זה מאתגר במיוחד להשתמש בנתונים האמפיריים הזמינים כדי לגשר על פער הידע.
האגודה הפיזית האמריקאית הכירה בעבודתם של בטי, גופלאסוואמי ומדענים אחרים LLE עם פרס ג'ון דוסון על מצוינות במחקר פיזיקה בפלזמה על הישגיהם החלוציים בחיזוי, תכנון וניתוח ניסויי השתלבות עם לייזר 30 KJ.
מחקרי בינה מלאכותית ולמידה במכונה במעבדת לייזר רוצ'סטר תרמו גם למספר תגליות של דסטין פרולה, מנהל הפלזמה והחטיבה למדעי לייזר אולטרה -פסטים, וצוותו. במהלך הקריירה שלו, פרולה וצוותו פיתחו מגוון טכניקות, כולל אחת למדידת טמפרטורת הפלזמה דרך פיזור תומסון, ואף שברו קרקע חדשה בטכניקות "מיקוד זבוב" או שליטה בעוצמת הלייזר לאורך מרחקים ארוכים. ולמידת מכונות מהפכה בדרך בה אנו מעצבים ניסויים, ומאפשרים לנו לבנות לייזרים טובים יותר כאשר אנו רואים מתקני הדור הבא. "הוא מסביר עוד," הלייזרים שימשו במגוון דרכים. עוד הוא מסביר, "צבעים מרובים בספקטרום של קרן הלייזר יעזרו לפלזמה להתפשט דרך הקורה בצורה יעילה יותר, ו- AI עוזר לנו להבין את האינטראקציות המורכבות בין הצבעים השונים הללו לבין הפלזמה."
לבסוף, מרכז מחלקת האנרגיה למחקר היתוך גרעיני העניק ל- LLE את ייעודו של מרכז מחקר לאומי שנועד לקדם אנרגיית היתוך אינרציאלית (IFE), טכנולוגיית אנרגיה נקייה מבטיחה הנשענת על מיזוג אטומי מימן כבד (Deuterium ו- Tritium) לייצר אנרגיה.
בהסתמך על חוזקות המחקר הבינתחומיות של אוניברסיטת רוצ'סטר, LLE גייסה בהצלחה כמה סטודנטים כדי לשפר את היישום של בינה מלאכותית ולמידה במכונה במחקר מתכנס.
לדברי גופלאסוואמי, "מטרתנו היא לעודד את התלמידים עם המשך תשוקה ללמידה מכונה כדי לשפר עוד יותר את הדיוק של כלי האבחון שלנו. אכן, אנו זקוקים למומחי AI. עם זאת, תפקידם של הפיזיקאים הוא הכרחי כדי להבטיח שהמודלים נכונים נכונים ובאופן מדעי.
הוא הוסיף, "כאשר האומה עוברת לאנרגיה נקייה וכוח בר -קיימא, יישום AI במחקר פיוז'ן מבטיח ויכול להפוך לתחום כוח אדם מתעורר."
ולרי גונצ'רוב, מנהל אגף התיאוריה של LLE ועוזר המחקר פרופסור במחלקה להנדסת מכונות, ציין, "בינה מלאכותית היא כלי חשוב להנחיית המחקר שלנו. על ידי אופטימיזציה של כלים אלה, אנו יכולים לשפר את תוצאות המחקר שלנו. בעוד שכלים אלה מקלים על מחקר , הכוח המניע לחדשנות נובע עדיין מהאינטליגנציה שלנו.
