一种能够以比现有方式快1000倍的速度模拟核聚变反应堆内等离子体状态的人工智能已被开发出来。
蔚山科学技术院(UNIST)核工学系李智敏、尹义成教授团队17日表示,已开发出可加速求解描述等离子体状态的数学方程之解的深度学习人工智能模型“FPL-net”。
在核聚变发电,即所谓“人造太阳”技术中,必须将发电装置内部维持在与真实太阳相同的高温等离子体状态。等离子体是物质分离为带负电的电子和带正电的离子粒子的状态,在该状态下精确预测粒子间碰撞是维持稳定核聚变反应的核心要素。
等离子体状态以数学模型来表示,其中之一便是“福克-普朗克-朗道方程(Fokker-Planck-Landau,FPL)”。福克-普朗克-朗道方程用于预测正、负电荷粒子之间的碰撞,即库仑碰撞。原本求解该方程需要使用逐步逼近解的迭代法,计算量大且耗时长。
研究团队开发的FPL-net与现有的迭代法不同,可一次性求得方程的解。其求解速度比以往快1000倍,且显示出很高的精度。
福克-普朗克-朗道碰撞过程具有密度、动量、能量守恒的特征,研究人员表示,在人工智能模型的学习过程中定义了使这些物理量得以守恒的函数,从而提高了精度。人工智能模型的精度通过验证热平衡模拟的方式进行确认。在连续的模拟过程中如果误差累积,就无法获得准确的热平衡。
联合研究团队表示:“在保持精度的同时,利用GPU的深度学习相比使用CPU的现有代码将计算时间缩短了1000倍”,“这将成为模拟核聚变反应堆全区域的湍流分析代码,以及在计算机虚拟空间中再现现实托卡马克的数字孪生技术的基石。”托卡马克是约束等离子体的特殊结构装置。
研究人员补充说:“不过本次研究仅限于电子等离子体,若要应用,还需要开展扩展至含杂质的多种粒子复杂等离子体环境的研究。”
本次研究在蔚山科学技术院(UNIST)、韩国研究财团、韩国能源技术评价院等的支持下完成,并于2月15日刊载于国际学术期刊《计算物理学杂志》(Journal of Computational Physics)。






