Neurale netwerken, geleid door de natuurkunde, creëren nieuwe manieren om de complexiteit van plasma's te observeren. Fusie-experimenten worden uitgevoerd onder extreme omstandigheden, in gespecialiseerde vacuümkamers met extreem hete materialen. Deze omstandigheden beperken het vermogen van diagnostische hulpmiddelen om fusieplasmagegevens te verzamelen. Bovendien zijn computermodellen van plasma's zeer complex en moeilijk te karakteriseren turbulente plasma's. Het is daarom moeilijk om modellen te vergelijken met metingen van experimentele fusie-apparaten.
Een brug tussen plasmamodellering en experimenteren
Daartoe demonstreren onderzoekers een nieuwe manier om plasmamodellering en experimenten te overbruggen. De onderzoekers ontwikkelden een techniek om elektronendichtheid en temperatuurschommelingen af te leiden met behulp van foto's gemaakt met camera's met optische filters die routinematig in fusie-apparaten zijn geïnstalleerd. Fusiewetenschappers kunnen deze informatie in experimenten gebruiken om plasmavelden te voorspellen op een manier die consistent is met de theorie.
Uitdagingen bij voorspellende modellering
Voorspellende modellering van plasmaturbulentie in fusie-experimenten is een uitdaging. Dit komt omdat het moeilijk is om de randvoorwaarden van deze chaotische systemen te modelleren. Met behulp van een aangepaste, op fysica gebaseerde aanpak van machinaal leren ontwikkelden de onderzoekers een raamwerk dat plasma-eigenschappen rechtstreeks oplost die doorgaans onoplosbaar zijn aan de grenzen van experimentele opstellingen voor kernfusie. Hierdoor kunnen wetenschappers voorspellen hoe plasmafluctuaties zich in experimenten zullen gedragen. Hierdoor kunnen ze voorspellende modellen ook op een theoretisch consistente manier testen. Dit soort turbulentiemodellering was nog niet eerder praktisch geweest.
Het belang van opsluiting in fusieplasma's
Adequate opsluiting van het fusieplasma is van cruciaal belang om het doel van de nettoproductie van fusie-energie te bereiken. Een belangrijk element van voorspellende beperkingen is het begrijpen hoe plasma-instabiliteiten leiden tot koeling en prestatieverlies binnen fusie-apparaten. Als gevolg hiervan heeft de fusiegemeenschap tientallen jaren besteed aan het verbeteren van de meetmogelijkheden van experimenten om voorspellende modellen te verfijnen. De extreme temperaturen en vacuümomstandigheden die nodig zijn voor fusie maken het inzetten van diagnostische apparatuur in fusie-apparaten echter erg moeilijk.
Onderzoekers van MIT hebben onlangs twee artikelen gepubliceerd waarin deze uitdaging wordt aangepakt.
Innovatief onderzoek aan het MIT
In het eerste artikel laten de onderzoekers zien hoe je het aantal fotonen verzameld door veelgebruikte snelle camera's kunt omzetten in elektronendichtheid en temperatuurschommelingen op turbulente schalen met behulp van een nieuw, op fysica gebaseerd raamwerk voor kunstmatige intelligentie dat experimentele gegevens combineert met stralingsmodellering en dynamische theorie. Het resultaat zijn nieuwe experimentele inzichten in voorheen niet waargenomen plasmadynamica.
In het tweede artikel gebruikte het team deze informatie over de elektronendynamica, gecombineerd met de veelgebruikte plasmaturbulentietheorie, om elektrische veldfluctuaties direct te voorspellen in overeenstemming met partiële differentiaalvergelijkingen in een experimentele setting. Dit werk gaat verder dan traditionele numerieke methoden en ontwikkelt in plaats daarvan een nieuwe modelleringsaanpak voor de niet-lineaire eigenschappen van plasma's met behulp van een speciaal gecreëerde, op fysica gebaseerde neurale netwerkarchitectuur. Dit werk opent nieuwe wetenschappelijke wegen om te begrijpen of theoretische voorspellingen overeenkomen met observaties.
Samengestelde bron: ScitechDaily