in

Le modèle d'apprentissage en profondeur augmente les prédictions du plasma dans la fusion nucléaire de 1 000 fois

Le modèle d'apprentissage en profondeur augmente les prédictions du plasma dans la fusion nucléaire de 1 000 fois

Une équipe de recherche, dirigée par le professeur Jimin Lee et le professeur Eisung Yoon au Département de génie nucléaire de l'UNIST, a dévoilé une approche basée sur l'apprentissage en profondeur qui accélère considérablement le calcul d'un opérateur de collision Fukker – Planck – Landau) non linéaire pour le plasma de fusion.

Les résultats sont publiés dans le Journal of Computational Physics.

Les réacteurs de fusion nucléaire, souvent appelés soleil artificiel, comptent sur le maintien d'un environnement plasma à haute température similaire à celui du soleil. Dans cet état, la matière est composée d'électrons chargés négativement et d'ions chargés positivement. La prévision avec précision des collisions entre ces particules est cruciale pour maintenir une réaction de fusion stable.

L'état du plasma est modélisé à l'aide de divers cadres mathématiques, dont l'un est l'équation FPL. L'équation FPL prédit les collisions entre les particules chargées, appelées collisions Coulomb. Traditionnellement, la résolution de cette équation impliquait des méthodes itératives qui nécessitaient un temps de calcul et des ressources étendues.

Le FPL-NET proposé peut résoudre l'équation FPL en une seule étape, obtenant des résultats 1 000 fois plus rapidement que les méthodes précédentes avec une marge d'erreur de seulement cent millième, démontrant une précision exceptionnelle.

Le modèle d'apprentissage en profondeur augmente les prédictions du plasma dans la fusion nucléaire de 1 000 fois

La collision FPL est caractérisée par la conservation des quantités physiques clés – densité, de l'élan et de l'énergie. Les chercheurs ont amélioré la précision du modèle en incorporant des fonctions qui préservent ces quantités pendant le processus d'apprentissage de l'IA.

L'efficacité du FPL-NET a été validée par des simulations d'équilibre thermique, qui ont souligné que l'équilibre thermique précis ne peut pas être obtenu si les erreurs s'accumulent lors de simulations continues.

« En utilisant l'apprentissage en profondeur sur les GPU, nous avons réduit le temps de calcul d'un facteur de 1 000 par rapport aux codes traditionnels basés sur le processeur », a déclaré l'équipe de recherche conjointe.

« Cette progression représente une pierre angulaire pour les technologies numériques jumelles, permettant une analyse turbulente de réacteurs de fusion nucléaire entiers ou reproduire de vrais tokamaks dans un environnement informatique virtuel. » Un tokamak est un appareil spécialisé conçu pour piéger le plasma.

Bien que la présente étude se concentre sur le plasma électronique, les chercheurs ont noté que des recherches supplémentaires sont nécessaires pour étendre les applications de ce modèle à des environnements plasma plus complexes contenant diverses impuretés.

La structure à double couche de l'organisme marin ancien révèle les environnements océaniques passés et actuels

La structure à double couche de l'organisme marin ancien révèle les environnements océaniques passés et actuels

Les résultats révèlent un lien important avec les températures extrêmes de l'hémisphère nord

Les résultats révèlent un lien important avec les températures extrêmes de l'hémisphère nord