KI-Technologien zur Echtzeitvorhersage und -steuerung des Verhaltens von Fusionsplasma
(control.princeton.edu)Echtzeitvorhersage und -steuerung des Verhaltens von Fusionsplasma mit KI
-
Multimodale Super-Resolution: Nichtlineare komplexe Systeme, die von physikalischen Skalen in mehreren räumlichen und zeitlichen Dimensionen bestimmt werden, lassen sich mit einer einzelnen Diagnostik nicht vollständig verstehen. Die Kombination mehrerer Diagnostiken führt zu unvollständigen Projektionen der Systemphysik. Diese Lücken können geschlossen werden, indem verborgene Kreuzkorrelationen identifiziert werden. Dafür wird eine innovative Methodik des maschinellen Lernens eingeführt. Diese Methodik hilft dabei, Plasmainstabilitäten wie Edge Localized Modes (ELM) zu adressieren.
-
RT-Profilsteuerung durch maschinelles Lernen: Zur Steuerung des Plasmas in Tokamaks werden verschiedene „Aktuatoren“ eingesetzt. Mit modellprädiktiver Regelung lassen sich die Erfolgsquote physikalischer Experimente erhöhen und Zeit sparen. Da Echtzeit-Physikmodelle nicht immer präzise sind, wurde ein Modell des maschinellen Lernens entwickelt, das ausschließlich Echtzeitdiagnostik verwendet und Vorhersagen innerhalb von 100 Mikrosekunden erzeugt.
Überwachung des Plasmaverhaltens durch hochauflösende Diagnostik
-
Erkennung und Klassifizierung von Instabilitäten: Es wird an der Erkennung und Klassifizierung von Instabilitäten im Plasmakern auf Basis von Elektron-Zyklotron-Emissionssignalen geforscht. Dabei wurde gezeigt, dass Modelle des maschinellen Lernens wie Reservoir Computing Networks für die Verarbeitung zeitlicher Zeitreihendaten effektiv sind.
-
Verbesserung von Genauigkeit und Reichweite diagnostischer Daten: Die Genauigkeit und Reichweite diagnostischer Daten sind entscheidend, um die optimale Leistung von Fusionsforschungsanlagen und Reaktoren zu verstehen. Mit ML-basierten Ansätzen lassen sich diagnostische Signale reproduzieren und die Signalvisualisierung verbessern.
Kreuzvalidierung und Verifikation großer Datenbanken von Tokamak-Transportmodellen
- Höhere Zuverlässigkeit von Tokamak-Transportvorhersagen: Unter Verwendung von DIII-D-Entladungen wird statistische Signifikanz sichergestellt und die Zuverlässigkeit von Vorhersagemodellen erhöht. Die 1D-Transportsolver ASTRA und TRANSP wurden validiert und zeigten eine hohe Genauigkeit bei der Vorhersage gespeicherter Energie, boten jedoch bei der Vorhersage von Plasma-Temperaturprofilen keinen statistischen Vorteil gegenüber einfachen empirischen Modellen.
Stabile Divertor-Ablösung durch einen Echtzeit-Proxy für die frontale Carbon-III-Emission
- Stabile Divertor-Ablösung: Dies ermöglicht es Tokamaks, eine gute Einschlussleistung aufrechtzuerhalten und gleichzeitig Schäden an Divertorplatten durch übermäßigen Wärmefluss zu vermeiden. Mithilfe von Algorithmen des maschinellen Lernens lässt sich der Ablösungswert direkt an jeder Stelle im Tokamak bestimmen und bei Bedarf das Aktuierungssignal anpassen.
1 Kommentare
Hacker-News-Kommentare
Zur Referenz ist auch https://www.ri.cmu.edu/ai-meets-fusion-cmu-princeton-join-fo... lesenswert
Das war ursprünglich der eingereichte Link, wurde aber über https://news.ycombinator.com/item?id=42077657 geändert
Heute gelernt: Das war nicht nur eine Buzzword-Kombination
https://en.wikipedia.org/wiki/Fusion_power#Machine_learning
Technisch fällt das unter „AI in der Fusion“, aber als irgendeinen Durchbruch würde ich es nicht sehen. In fast allen Fällen ist der Effekt von AI eher randständig; nicht völlig null, aber weit entfernt von der überzogenen PR
Soweit ich mich erinnere, gab es damals etwa 20 Minuten Downtime. Damals hat man das nicht Machine Learning genannt, und ganz sicher war es nicht das Deep Learning von heute
Ich frage mich, wie viele Probleme sich durch ausgereifte Brute-Force-Methoden grundlegend verändern werden
Wenn man nur die Unternehmenssprache ignoriert, sieht man viele coole Dinge, die erst durch neuronale Netze überhaupt möglich geworden sind
Im Fusionsbereich gibt es ziemlich viel AI-Forschung. Bei der Trägheitseinschlussfusion, die mit magnetischem Einschluss wie im Tokamak konkurriert, hat die National Ignition Facility (NIF) bei Experimenten, die zur „Zündung“ führten, AI eingesetzt
Unser Labor arbeitet mit Forschern des Laboratory for Laser Energetics zusammen, um die Trägheitseinschlussfusion (ICF) mit AI zu verbessern. Kürzlich haben wir ein Paper [1] veröffentlicht, in dem wir mit Kolmogorov-Arnold Networks (KANs) Ergebnisse von ICF-Experimenten vorhersagen. Die heutigen physikalischen Simulatoren basieren auf altem Fortran-Code, sind langsam, und der Fehler zwischen Vorhersage und tatsächlichem Laserschuss ist groß; ein Ziel ist daher, mit neuronalen Netzen bessere Prädiktoren zu bauen. Schnelle Iteration mit echten Daten ist schwierig, und es gibt auch nur etwa 300 Datensätze zu ICF-Schüssen, daher besteht Bedarf
[1] https://arxiv.org/abs/2409.08832
Selbst wenn teure Simulationen Tage oder Wochen laufen, kann das Experiment schon um eine Größenordnung anders ausfallen, wenn der Fokus nur um 1 Mikron danebenliegt. Das Problem ist nicht der „alte Fortran-Code“ an sich; darin steckt die richtige Physik. Das eigentliche Problem ist, dass man die Anfangsbedingungen nicht kontrollieren kann, und deshalb sind Simulationen solcher Systeme schwierig
Der Code ist keine Magie, sondern Physik-Code, der in der Regel die Physik, die wir im Zusammenhang mit dem Experiment verstanden haben, kodiert. Das ist also fast so, als würde man sagen, das physikalische Modell sei falsch — dafür müsste man aber einen sehr viel höheren Maßstab anlegen, nämlich fast 100 Jahre Plasmaphysik für ungültig erklären. Es ist ja nicht wie bei der Wettervorhersage, wo man überall auf der Welt Wetterballons starten kann; man kann auch nicht ständig jedes Mikron des Targets bis hin zu Plasmatemperatur und -dichte sondieren
Wie wäre es damit, bestehende Algorithmen in C neu zu schreiben und moderne Techniken anzuwenden? Dinge wie Multithreading oder GPU-Berechnung. Wenn da Wert drinsteckt, sollte das machbar sein und vermutlich auch nicht so lange dauern
Gibt es Online-Referenzen oder Dokumentation, die die API, Software und den Source Code von Projekten in diesem Bereich beschreiben?
Vor etwa 20 Jahren war ich als Student an der Universität Padua in Italien, und draußen am Stadtrand in Legnaro stand eine Fusionsanlage
Die Anlage war in einem Gebäude, der Kontrollraum im benachbarten Gebäude. Damals wurden noch CRT-Monitore verwendet, und jedes Mal, wenn ein magnetisches Einschlussfeld erzeugt wurde, war es so stark, dass auf allen Bildschirmen im Kontrollraum das Bild gleichzeitig zu einer Seite verschoben wurde und nach Abschalten des Feldes wieder zurücksprang. Und das quer über die Gebäude hinweg
Ist das einfach nur die Ankündigung einer verlängerten Forschungsförderung?
„AI for Real-time Fusion Plasma Behavior Prediction and Manipulation - Plasma Control Group“: https://control.princeton.edu/machine-learning-for-rt-profil...
„However, uncovering these inter-correlations analytically is too complex to be achieved analytically.“ – da kann man nur seufzen.
Es ist ja schön und gut, wenn jemand von der eigenen Arbeit begeistert ist, aber könnte man die Sätze nicht etwas besser formulieren und auf werbliche Modewörter wie „groundbreaking“, „now.. for the first time“ oder „unprecedented“ verzichten? Solche zerstreuten Formulierungen schaden der Lesbarkeit der Aussage erheblich und erzeugen ehrlich gesagt sogar einen negativen Bias beim Leser, was letztlich auch die Glaubwürdigkeit untergräbt.
Neutronen aktivieren Hardware radioaktiv.
Auf Hacker News gibt es viele Leute, die nicht von Kernspaltung, sondern von Fusionsreaktoren träumen. Solche Fusionsreaktoren wären starke Quellen schneller Neutronen, und die gesamte interne Hardware würde radioaktiv werden. Von Gammastrahlen ganz zu schweigen.
Wenn man ohnehin mit radioaktivem Material umgehen muss, warum dann nicht einfach Kernspaltung nutzen? Mit Spaltungsreaktoren arbeiten wir seit 70 Jahren, und wir wissen, wie man sie mit über 95 % Effizienz baut und betreibt. Kernspaltung kann den gesamten benötigten Strom liefern.
Derzeit sind in 32 Ländern 440 Kernspaltungsreaktoren in Betrieb, und 20 % des US-Stromnetzes stammen aus Kernspaltung. Wenn man Energietechnologie entwickeln will, sollte man sich auf die Verbesserung der Kernspaltung konzentrieren. Zum Beispiel auf TRISO-Brennstoff(https://news.ycombinator.com/item?id=41898377) oder auf das, woran Lightbridge arbeitet(https://www.ltbridge.com/lightbridge-fuel). Hacker News ist Kernspaltung gegenüber feindselig eingestellt und zeigt eine defätistische Haltung, die sich keine Innovation in der Spaltungstechnologie vorstellen kann, aber diese Haltung wird sich allmählich ändern.
Um John Carmack zu zitieren: „Deuteriumfusion wird zwar eine günstige und praktisch unerschöpfliche Brennstoffquelle sowie einen überschaubaren Abfallstrom bieten, aber als Methode zur Wärmeerzeugung ist sie im Vergleich zur Kernspaltung fast lächerlich komplex und teuer. Kernspaltung ist im Grunde eher wie: ‚Man legt diese Steine nebeneinander und sie werden heiß.‘“
1/ Uran ist nicht erneuerbar, sondern eher das Gegenteil, muss gefördert und verarbeitet werden, ist teuer und stark umweltschädlich. In den meisten Teilen der Welt kommt es nicht in der erforderlichen Konzentration vor, was auch geopolitische Probleme schafft.
2/ Kernspaltungskraftwerke setzen funktionierende Staaten oder Regierungen sowie Frieden voraus. Schon konventionelle Angriffe auf solche Kraftwerke können verheerende und lang anhaltende Folgen haben, und auch irgendeine Terrorgruppe könnte so etwas tun.
3/ Ich habe gelesen: „Letztlich hoffen die Forscher, die Protium-Bor-11-Reaktion einzusetzen, da mögliche Nebenreaktionen zwar auftreten können, aber nicht direkt Neutronen erzeugen.“ Das stammt zwar aus Wikipedia, aber ich habe es auch schon in anderen Quellen gesehen.
Deshalb scheint Kernfusion wegen der Komplexität und Kosten der Forschung kurzfristig nicht die beste Wahl zu sein, mittel- bis langfristig aber eindeutig die beste Option. Die kurzfristige Katastrophenentscheidung mit Kohle und Öl haben wir bereits getroffen, also wäre es gut, daraus zu lernen.
Oder ich liege völlig falsch.
Falls damit der gesamte Prozess gemeint ist, aus einem Reaktor Energie oder Strom zu gewinnen, ist das unmöglich. Man unterliegt immer noch den Grenzen des Carnot-Zyklus. Selbst die fortschrittlichsten Reaktoren wie HTGR liegen nur bei etwa 45 % Effizienz.
Falls eine nicht standardmäßige Effizienzdefinition verwendet wird, wäre es gut, diese zu nennen.
[1] https://en.wikipedia.org/wiki/High-temperature_gas-cooled_re...
[0] https://news.ycombinator.com/item?id=41677250
Es gibt zwar Tricks mit Lithiumabschirmung, um das für Fusion benötigte Tritium zu erzeugen, aber wie wirksam das ist, vor allem im Hinblick auf die langfristige Lebensdauer des Reaktors, weiß ich nicht. Solche Reaktoren sind sehr teuer, daher ist auch unklar, ob es sich lohnt, sie jedes Jahr herunterzufahren und die gesamte Li-Abschirmung auszutauschen.