Công nghệ AI để dự đoán và điều khiển hành vi plasma nhiệt hạch theo thời gian thực
(control.princeton.edu)Dự đoán và điều khiển hành vi plasma nhiệt hạch theo thời gian thực bằng AI
-
Siêu phân giải đa phương thức: Các hệ thống phức hợp phi tuyến bị chi phối bởi nhiều thang vật lý không gian và thời gian không thể được hiểu đầy đủ chỉ bằng một phép chẩn đoán đơn lẻ. Việc kết hợp nhiều phép chẩn đoán sẽ tạo ra các phép chiếu không hoàn chỉnh của vật lý hệ thống. Có thể lấp đầy khoảng trống này bằng cách xác định các tương quan chéo ẩn. Để làm điều đó, một phương pháp học máy mang tính đổi mới đã được giới thiệu. Phương pháp này giúp xử lý các bất ổn plasma như chế độ cục bộ hóa ở rìa (ELM).
-
Điều khiển profile RT bằng học máy: Nhiều "bộ chấp hành" được sử dụng để điều khiển plasma trong tokamak. Điều khiển dự đoán theo mô hình có thể nâng cao tỷ lệ thành công của các thí nghiệm vật lý và tiết kiệm thời gian. Vì các mô hình vật lý thời gian thực không phải lúc nào cũng chính xác, các mô hình học máy đã được phát triển để tạo ra dự đoán trong vòng dưới 100 micro giây chỉ bằng cách sử dụng chẩn đoán thời gian thực.
Giám sát hành vi plasma bằng chẩn đoán độ phân giải cao
-
Phát hiện và phân loại bất ổn: Nghiên cứu đang được tiến hành để phát hiện và phân loại các bất ổn trong lõi plasma dựa trên tín hiệu phát xạ electron cyclotron. Các mô hình học máy như Reservoir Computing Networks đã chứng minh hiệu quả trong xử lý dữ liệu chuỗi thời gian.
-
Nâng cao độ chính xác và phạm vi của dữ liệu chẩn đoán: Độ chính xác và phạm vi của dữ liệu chẩn đoán rất quan trọng để hiểu hiệu năng tối ưu của các thiết bị nghiên cứu nhiệt hạch và lò phản ứng. Thông qua cách tiếp cận dựa trên học máy, có thể tái tạo các tín hiệu chẩn đoán và cải thiện khả năng trực quan hóa tín hiệu.
Đối chiếu chéo và xác minh cơ sở dữ liệu quy mô lớn cho các mô hình vận chuyển tokamak
- Nâng cao độ tin cậy của dự đoán vận chuyển tokamak: Sử dụng các lần phóng DIII-D để bảo đảm ý nghĩa thống kê và nâng cao độ tin cậy của các mô hình dự đoán. Việc xác minh các bộ giải vận chuyển 1D ASTRA và TRANSP cho thấy độ chính xác cao trong dự đoán năng lượng lưu trữ, nhưng không có lợi thế thống kê so với các mô hình thực nghiệm đơn giản trong dự đoán profile nhiệt độ plasma.
Tách bức xạ divertor ổn định thông qua proxy mặt trước phát xạ carbon-III theo thời gian thực
- Tách divertor ổn định: Giúp tokamak duy trì khả năng giam giữ tốt đồng thời ngăn hư hại tấm divertor do thông lượng nhiệt quá mức. Có thể sử dụng các thuật toán học máy để trực tiếp tìm giá trị tách ở bất kỳ đâu trong tokamak và điều chỉnh tín hiệu chấp hành khi cần thiết.
1 bình luận
Các ý kiến trên Hacker News
Nhân tiện, https://www.ri.cmu.edu/ai-meets-fusion-cmu-princeton-join-fo... cũng đáng xem
Ban đầu đây là liên kết được gửi, nhưng đã được thay đổi thông qua https://news.ycombinator.com/item?id=42077657
Hôm nay tôi mới biết: đây không chỉ đơn thuần là ghép các buzzword
https://en.wikipedia.org/wiki/Fusion_power#Machine_learning
Về mặt kỹ thuật thì nó thuộc kiểu “AI trong nhiệt hạch”, nhưng khó coi đó là một đột phá. Trong hầu hết mọi trường hợp, tác động của AI chỉ mang tính bên lề; không phải hoàn toàn bằng 0, nhưng còn rất xa so với quảng bá thổi phồng
Tôi nhớ khi đó có khoảng 20 phút downtime. Lúc ấy chúng tôi không gọi đó là machine learning, và chắc chắn cũng không phải deep learning như ngày nay
Tôi tự hỏi có bao nhiêu vấn đề sẽ thay đổi về căn bản trước các kỹ thuật brute-force đã trưởng thành
Nếu bỏ qua lối diễn đạt kiểu doanh nghiệp, ta sẽ thấy rất nhiều thứ thú vị gần như lần đầu tiên trở nên khả thi nhờ mạng nơ-ron
Trong lĩnh vực nhiệt hạch có khá nhiều nghiên cứu AI. Ở hướng nhiệt hạch giam giữ quán tính, vốn cạnh tranh với nhiệt hạch giam giữ từ tính như tokamak, National Ignition Facility (NIF) đã dùng AI trong các thí nghiệm đạt tới “điểm đánh lửa”
Phòng thí nghiệm của chúng tôi hợp tác với các nhà nghiên cứu tại Laboratory for Laser Energetics để cải thiện nhiệt hạch giam giữ quán tính (ICF) bằng AI. Gần đây chúng tôi đã công bố một bài báo [1] dự đoán kết quả thí nghiệm ICF bằng Kolmogorov-Arnold Networks (KANs). Các trình mô phỏng vật lý hiện nay dựa trên mã Fortran cũ, chậm, và có sai số lớn giữa dự đoán với các phát bắn laser thực tế, nên một mục tiêu nữa là tạo ra bộ dự đoán tốt hơn bằng mạng nơ-ron. Việc lặp nhanh với dữ liệu thực là khó, và bộ dữ liệu các phát bắn ICF cũng chỉ khoảng 300 mẫu, nên điều này là cần thiết
[1] https://arxiv.org/abs/2409.08832
Dù chạy các mô phỏng đắt đỏ trong nhiều ngày đến nhiều tuần, trong thí nghiệm chỉ cần tiêu điểm lệch 1 micron là kết quả đã có thể khác đi ở mức cả một bậc độ lớn. Bản thân “mã Fortran cũ” không phải vấn đề; trong đó có vật lý đúng. Vấn đề là không thể kiểm soát các điều kiện ban đầu, nên mô phỏng những hệ thống như vậy mới khó
Code không phải phép màu mà là code vật lý, thường mã hóa phần vật lý liên quan đến thí nghiệm theo mức hiểu biết của chúng ta. Vì vậy nói như thế gần giống với nói rằng mô hình vật lý là sai, mà điều đó đòi hỏi một chuẩn chứng minh cao hơn rất nhiều, đến mức gần như phải phủ nhận gần 100 năm vật lý plasma. Cũng không giống dự báo thời tiết, ta không thể thả bóng thám không khí tượng khắp thế giới, và không thể lúc nào cũng dò từng micron của mục tiêu tới cả nhiệt độ và mật độ plasma
Nếu viết lại thuật toán hiện có bằng C và áp dụng các kỹ thuật hiện đại thì sao? Những thứ như multithreading hay tính toán GPU chẳng hạn. Nếu việc đó có giá trị thì có vẻ làm được, và chắc cũng không mất quá lâu
Không biết có tài liệu tham khảo hay tài liệu trực tuyến nào mô tả API, phần mềm, mã nguồn liên quan đến các dự án trong lĩnh vực này không
Khoảng 20 năm trước, khi tôi còn là sinh viên đại học ở Đại học Padova, Ý, có một thiết bị thí nghiệm nhiệt hạch ở Legnaro, ngoại ô thành phố
Thiết bị nhiệt hạch nằm trong một tòa nhà, còn phòng điều khiển ở tòa nhà bên cạnh. Khi đó họ dùng màn hình CRT; mỗi khi có một sự kiện nhiệt hạch, trường giam giữ từ tính mạnh đến mức hình ảnh trên tất cả màn hình trong phòng điều khiển đồng loạt bị kéo lệch sang một bên, rồi quay lại khi trường tắt. Nó xảy ra xuyên qua cả các tòa nhà
Đây chỉ đơn giản là thông báo gia hạn tài trợ nghiên cứu à?
“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.” — đọc mà thở dài
Việc hào hứng với công việc của mình là điều tốt và đáng ngưỡng mộ, nhưng không thể trau chuốt câu chữ hơn một chút và ngừng dùng các từ thời thượng mang tính PR như “groundbreaking”, “now.. for the first time”, “unprecedented” được sao? Những cách diễn đạt rối rắm như vậy làm giảm mạnh tính dễ đọc của lập luận, và nói thật là còn tạo thiên kiến tiêu cực nơi độc giả, làm suy giảm cả độ tin cậy
Neutron làm phần cứng bị kích hoạt phóng xạ
Trên Hacker News có nhiều người mơ về lò phản ứng nhiệt hạch chứ không phải phân hạch. Những lò phản ứng nhiệt hạch như vậy sẽ trở thành nguồn phát neutron nhanh rất mạnh, và toàn bộ phần cứng bên trong sẽ trở nên phóng xạ. Chưa nói đến tia gamma
Nếu đằng nào cũng phải xử lý vật liệu phóng xạ thì tại sao không dùng phân hạch cho rồi? Chúng ta đã vận hành lò phản ứng phân hạch suốt 70 năm và biết cách xây dựng, vận hành chúng với hiệu suất trên 95%. Phân hạch có thể cung cấp toàn bộ điện năng cần thiết
Hiện có 440 lò phản ứng phân hạch đang hoạt động ở 32 quốc gia, và 20% điện lưới của Mỹ đến từ phân hạch. Nếu muốn phát triển công nghệ năng lượng, nên tập trung vào cải tiến phân hạch. Ví dụ như nhiên liệu TRISO (https://news.ycombinator.com/item?id=41898377) hay những việc Lightbridge đang làm (https://www.ltbridge.com/lightbridge-fuel). Hacker News có thái độ thù địch với phân hạch và mang tâm thế chủ bại, không hình dung được đổi mới công nghệ phân hạch, nhưng thái độ này rồi sẽ dần thay đổi
Trích lời John Carmack: “Nhiệt hạch deuterium sẽ mang lại nguồn nhiên liệu rẻ và gần như vô hạn, cùng dòng chất thải ở mức chấp nhận được, nhưng so với phân hạch thì nó phức tạp và đắt đỏ đến gần như nực cười nếu chỉ xét như một cách tạo ra nhiệt. Phân hạch về cơ bản gần giống như ‘đặt mấy hòn đá này cạnh nhau thì chúng sẽ nóng lên’”
1/ Uranium không tái tạo được, thậm chí là ngược lại; nó cần được khai thác và xử lý, đắt đỏ và gây ô nhiễm nặng. Ở phần lớn thế giới, nó không tồn tại với nồng độ cần thiết, nên cũng tạo ra các vấn đề địa chính trị
2/ Nhà máy điện hạt nhân phân hạch cần các quốc gia hoặc chính phủ vận hành tốt, và tình trạng không có chiến tranh. Một cuộc tấn công thông thường vào nhà máy điện hạt nhân cũng có thể gây hậu quả tàn phá và kéo dài, và bất kỳ nhóm khủng bố nào cũng có thể làm điều đó
3/ Tôi đã đọc câu: “Cuối cùng, các nhà nghiên cứu hy vọng sẽ áp dụng phản ứng protium-boron-11, vì tuy có thể có phản ứng phụ nhưng nó không trực tiếp tạo ra neutron”. Đây là trích từ Wikipedia, nhưng tôi cũng đã thấy nội dung này ở các nguồn khác
Vì vậy, do độ phức tạp và chi phí nghiên cứu, nhiệt hạch có vẻ không phải lựa chọn tốt nhất trong ngắn hạn, nhưng trong trung và dài hạn thì rõ ràng trông như lựa chọn tốt nhất. Chúng ta đã chọn thảm họa ngắn hạn với than đá và dầu mỏ rồi, hy vọng có thể học được từ đó
Hoặc cũng có thể tôi hoàn toàn sai
Nếu nói về toàn bộ quá trình thu năng lượng hay điện năng từ lò phản ứng thì điều đó là không thể. Vẫn bị giới hạn bởi chu trình Carnot. Ngay cả những lò phản ứng tiên tiến nhất như HTGR cũng chỉ có hiệu suất khoảng 45%
Nếu đang dùng một định nghĩa hiệu suất khác với tiêu chuẩn, thì mong bạn nêu rõ định nghĩa đó
[1] https://en.wikipedia.org/wiki/High-temperature_gas-cooled_re...
[0] https://news.ycombinator.com/item?id=41677250
Có một mẹo là dùng lớp chắn lithium để tạo tritium cần cho nhiệt hạch, nhưng tôi không biết nó hiệu quả đến mức nào, đặc biệt xét theo tuổi thọ dài hạn của lò phản ứng. Những lò phản ứng như vậy rất đắt, nên cũng không chắc việc dừng mỗi năm để thay toàn bộ lớp chắn Li có đáng hay không