TokaMind перетворює експерименти з токамаком на прогнозні моделі для пришвидшення керування, моделювання та проектування установок STEP.

Ядерний синтез продовжує залишатися однією з найбільших технологічних перспектив енергетичного переходу. Не тому, що він, ймовірно, замінить викопне паливо найближчим часом, а тому, що він зосереджує в одній науковій проблемі багато викликів, які визначають промислові інновації сьогодні: управління складними системами, високопродуктивні обчислення, управління великими обсягами експериментальних даних, прогнозні моделі та безпека критичної інфраструктури. Це контекст, у якому... ТокаМайнд, модель фундаменту, розроблена IBM з Управління з атомної енергії Сполученого Королівства і це Центр Хартрі STFC аналізувати плазму в токамаках.

Партнери представили проект як першу фундаментальну модель штучного інтелекту, присвячену термоядерній плазмі. Мета полягає не в генерації тексту, зображень чи контенту, як у випадку з більш відомими моделями, а в перетворенні гетерогенних фізичних даних на структуроване представлення поведінки плазми. Для досліджень термоядерного синтезу це означає спробу більш повного розуміння того, що відбувається всередині експериментальної машини, коли магнітні поля, геометрія системи, температура, щільність та високочастотна діагностика взаємодіють протягом кількох секунд роботи.

Термоядерний синтез має на меті відтворити на Землі реакцію, яка живить Сонце та зірки. У токамаку ізотопи водню нагріваються до температур, вищих за температури сонячного ядра, утворюючи плазму — надгарячий, іонізований газ, утримуваний магнітними полями. Завдання полягає в тому, щоб підтримувати плазму достатньо гарячою, щільною та стабільною, щоб виробляти більше енергії, ніж надходить, уникаючи при цьому нестабільностей, які можуть пошкодити машину. Це суть так званого... точка беззбитковості, символічний та технічний перехід до майбутнього виробництва електроенергії на основі термоядерного синтезу.

У світі працює понад 50 токамаків різних конфігурацій, призначень та розмірів. Галузь працює не лише над фізикою плазми, але й над здатністю перетворювати експерименти, датчики та симуляції на оперативні знання. Саме тут штучний інтелект може стати інструментом прискорення, не як заміна фізики, а як проміжний шар між експериментальними даними, математичними моделями та інженерними рішеннями.

Цифровий плазмовий атлас народився на токамаку MAST

TokaMind було навчено на даних експериментів, проведених з МАСТ, сферичний токамак Mega Ampere від UKAEA, який працював з 1999 по 2013 рік. Машина мала компактнішу конфігурацію, ніж класичний тороїдальний токамак: дослідники описали його як такий, що більше схожий на яблуко без серцевини, ніж на пончик. Така сферична геометрія вважається цікавою, оскільки вона може запропонувати шлях до компактніших та потенційно ефективніших установок.

Експерименти з токамаком називаються «пострілами». Вони тривають кілька секунд, але виробляють велику кількість сигналів. У кожному пострілі сотні датчиків можуть фіксувати, як плазма реагує на різні маніпуляції машини. Завдання полягає не лише в зборі даних, а й у їх порівнянні: різні частоти, різні часові шкали, діагностика, яка не завжди є повною, та фізичні сигнали, які необхідно узгодити в узгоджене представлення.

Згідно з матеріалами, опублікованими партнерами, TokaMind об'єднує та кодує приблизно 40 різних сигналів, від фізичного опису плазми до діагностичних даних машини та магнітів. Модель враховує... 9 мільйонів параметрів, невеликий розмір порівняно з великими генеративними моделями, але він працює з дуже фізично складною інформацією. Його основна функція полягає у створенні переносимого представлення динаміки плазми, яке потім можна використовувати для різних аналітичних завдань.

«Минулого року ми почали з UKAEA та STFC досліджувати, як найсучасніші базові методи штучного інтелекту можуть підтримувати моделювання термоядерної плазми та її застосування. Два роки потому ми випустили не лише першу базову модель токамака, але й нові стандарти в алгоритмічних дослідженнях термоядерного синтезу».

- заявив він Хуан Бернабе-Морено, Директор Дослідження IBM у Європі для Ірландії та Сполученого Королівства.

Рішення про відкритий вихідний код TokaMind разом з бенчмарком ТокаМаркЦе також сигналізує про культурний зсув. Термоядзерний синтез традиційно є сектором, що базується на великих інфраструктурах, міжнародній співпраці та вертикальній експертизі. Публікація моделі та системи оцінювання означає відкриття частини роботи для наукової та промислової спільноти, заохочення до порівняння, валідації та повторного використання.

Менш вражаючі дані стають науковим ресурсом

Один із найважливіших аспектів проєкту стосується того, як штучний інтелект змінює взаємозв'язок між дослідниками та експериментальними даними. У минулому багато відкриттів у фізиці термоядерного синтезу були зроблені в результаті аналізу найцікавіших випадків, тобто експериментів з високою продуктивністю або аномальною поведінкою. Цей підхід залишається важливим, але ризикує пропустити значну частину інформації, що міститься у звичайних даних.

Роб Акерс, директор обчислювальних програм в UKAEA, підсумував цю думку, зазначивши, що завжди є спокуса розглянути найцікавіші та найпродуктивніші плазмові зображення. Однак навіть, здавалося б, «нудні» знімки можуть містити корисні сигнали. Завдяки моделі, навченій на всьому наборі даних, дослідники можуть приймати рішення на основі ширшої бази інформації, зменшуючи ризик вибору лише того, що підтверджує вже відомі гіпотези.

«Тепер, коли ми можемо будувати моделі на основі всього масиву даних, я підозрюю, що ми отримаємо цінні нові знання. Штучний інтелект дозволить нам приймати рішення на основі всіх даних».

Роб Акерс пояснив.

«Велике питання полягає в тому, чи можемо ми впевнено розширити ці моделі до такої міри, що вони будуть корисними для проектування електростанцій комерційної епохи».

Використана методологія нагадує базові моделі, що застосовуються в інших наукових галузях. TokaMind було попередньо навчено на частково замаскованих даних, які модель мала реконструювати. Навчившись заповнювати прогалини, вона розробила представлення системи, яке також було корисним для наступних завдань. У бенчмарку TokaMark, розробленому тими ж дослідниками, модель перевершила майже всі показники. 14 завдань традиційна модель машинного навчання, що навчається окремо для кожного завдання.

Перевага була найбільш очевидною в довгострокових прогнозах. Тобіа Боскі, дослідник IBM, який брав участь у навчанні, саме на цьому моменті звернув увагу, як на здатність моделі навчатися переносимому представленню динаміки плазми. У промисловому плані це важливий крок: корисна технологія повинна не лише описувати те, що вже сталося, але й допомагати передбачати, як система розвиватиметься за різних умов експлуатації.

Попереднє навчання також мало вторинний вплив на якість наборів даних. У токамаках один датчик може виявляти аномалії або пропускати частину сигналу, не впливаючи на весь експеримент. Алессандра Паскале, дослідниця IBM, яка очолює команду інженерів, пояснила, що модель може допомогти відновити дані, які в іншому випадку було б важко використовувати. Йдеться не про винахід заходів, а про те, щоб зробити набір інформації більш надійним, коли одна частина діагностичної системи має недоліки або прогалини.

STEP звертається до 1940-х років з більш надійними моделями

Результати, отримані за допомогою MAST, безпосередньо стосуються майбутньої британської програми. КРОК, Сферичний токамак для виробництва енергії. Прототип термоядерної електростанції UKAEA очікується у 2040-х роках і повинен буде скористатися перевагами експериментів, проведених сьогодні з Оновлення MAST, або MAST-U, в районі на південь від Оксфорда. Кожне випробування сприяє визначенню рішень щодо проектування, контролю та управління експлуатацією, які матимуть вирішальне значення для демонстраційного об'єкта.

Перехід від експериментальної машини до комерційної електростанції не є лінійним. Фізика плазми визначається турбулентністю, атомними взаємодіями, нелінійними нестабільностями та багатомасштабними явищами. З цієї причини партнери не представляють TokaMind як самодостатнє рішення. Модель є першим кроком до гібридних систем, в яких реальні дані, фізичне моделювання, високопродуктивні обчислення та, потенційно, квантові алгоритми сприяють одному й тому ж процесу прийняття рішень.

Наступний етап проекту передбачає включення даних з MAST-U та, можливо, інших токамаків. Це розширення може дозволити дослідникам порівнювати різні машини, визначати перспективні конфігурації та розуміти, як геометрія, параметри керування та стан плазми впливають один на одного. Це являє собою значний зсув масштабу: від репрезентативної моделі установки до платформи, здатної підтримувати порівняльний аналіз.

«Ми могли б потенційно доповнити існуючі експерименти новими приводами, щоб напружувати плазму та покращувати її роботу, перевівши її в новий робочий режим».

сказав Роб Акерс.

«Якщо ми почнемо поєднувати експериментальні дані з нашим теоретичним або модельним розумінням плазми, це може мати переломний момент».

Мовою промислового дизайну TokaMind можна читати як сурогатна модельСурогатний ШІ не замінює високоточне фізичне моделювання, але дозволяє швидше досліджувати великі частини простору проектування. Він менш обчислювально витратний, більш гнучкий на етапі скринінгу та корисний для виявлення невизначеностей, перспективних комбінацій або сценаріїв, які потребують подальшого дослідження за допомогою дорожчих інструментів.

Акерс також звернув увагу на проблему рідкісних подій. Поєднання сурогатних моделей з високоточними симуляціями може покращити загальну якість прогнозів і допомогти уникнути дуже малоймовірних, але потенційно небезпечних сценаріїв. У технології, яка одного дня має працювати стабільно, безпечно та безперервно, управління чергами ризиків є таким же важливим, як і підвищення середньої продуктивності.

Штучний інтелект, високопродуктивні обчислення та квантові обчислення входять до однієї архітектури

Наступний рубіж стосується інтеграції машинного навчання та формалізованих фізичних знань. Одним із перших рівнянь, зазначених дослідниками для TokaMind, є Град-Шафранов, що описує рівновагу в плазмі токамака: зовнішній тиск плазми врівноважується внутрішньою силою обмежувального магнітного поля. Врахування цих знань може покращити здатність моделі інтерпретувати форму, положення та стан плазми.

Цей напрямок узгоджується з ширшою тенденцією в науковому ШІ: подолання розриву між суто статистичними моделями та моделями, заснованими на фізичних принципах. Мета полягає не в тому, щоб вибирати між даними та теорією, а в тому, щоб вони працювали разом. Експериментальні дані показують, що відбувається в реальній машині; симуляції дозволяють нам досліджувати умови, які важко або дорого відтворити; фундаментальні моделі можуть об'єднати цю інформацію в переносимі представлення.

Проєкт також відіграватиме певну роль СхідОчікується, що , новий суперкомп'ютер зі штучним інтелектом від UKAEA, стане найпотужнішою системою, призначеною для термоядерного синтезу. Високопродуктивні обчислення залишаються основою всього процесу: вони необхідні для керування великими наборами даних, числового моделювання, сурогатних моделей та майбутніх інтеграцій з квантовими методами.

«Обчислювальні проблеми, з якими ми стикаємося в галузі термоядерного синтезу, можна вирішити лише шляхом об'єднання квантових обчислень, штучного інтелекту та високопродуктивних обчислень».

- заявив він Алессандро Куріоні, стипендіат IBM та віце-президент з алгоритмів та застосувань у Дослідження IBM.

«Квантові обчислення можуть впоратися з фізикою, яку не можуть виконати класичні обчислення, тоді як штучний інтелект може надавати швидкі та надійні результати; високопродуктивні обчислення (HPC) є обчислювальною основою, яка може масштабувати та інтегрувати ці взаємодоповнюючі методи».

Причина технічна. Плазма регулюється взаємодіями на атомному рівні, багатомасштабною турбулентністю та високонелінійною динамікою. Моделі, керовані даними, можуть розпізнавати закономірності в експериментальних або змодельованих наборах даних, але вони також успадковують обмеження даних, на яких вони навчаються. Коли базова фізика стає занадто складною для моделювання класичними методами, точність може досягти плато. Квантові обчислення, принаймні в майбутньому, могли б більш природно відображати квантово-механічні системи.

Для енергетичного сектору найцікавішим елементом є не абстрактна обіцянка квантових обчислень, а потенційна комбінована архітектура. Штучний інтелект для створення швидких сурогатів, високопродуктивні обчислення (HPC) для масштабування симуляцій та конвеєрів, квантові алгоритми для генерації високоточних фізичних даних щодо складних наразі частин проблеми. Це модель комплексних інновацій, у яких прогрес виникає завдяки інтеграції різноманітних інструментів, а не єдиної технології рішення.

Термоядзерний синтез залишається відкритим завданням. Жодна модель не може усунути складність перетворення зоряної реакції на безпечний, стабільний та конкурентоспроможний промисловий об'єкт. Однак TokaMind демонструє, як дослідження змінюють свій підхід: менше залежності від окремих, символічних експериментів, більше використання всього інформаційного ландшафту, більше уваги приділяється переносимості моделей та конвергенції даних, фізики та передових обчислень. Саме в цьому переході, ще до того, як він досягне виробництва електроенергії, термоядзерний синтез вже генерує інновації.

Ось три ідеї, які можуть вас зацікавити:

WEST токамак побив світовий рекорд стабільної плазми
Ядерний синтез: ось як MIT ізолює плазму та стінки в токамаках
ШІ від Google для регулювання плазми ядерного синтезу