Машинното обучение, впрегнато в екстремни изчисления, подпомага развитието на термоядрената енергия | Новини от MIT


Изследователите от Масачузетския технологичен институт Пабло Родригес-Фернандес и Нейтън Хауърд току-що завършиха едно от най-взискателните изчисления в науката за термоядрения синтез – прогнозиране на профилите на температурата и плътността на магнитно ограничена плазма чрез симулация на плазмената турбуленция от първи принцип. Решаването на този проблем с груба сила е извън възможностите дори на най-модерните суперкомпютри. Вместо това изследователите използваха методология за оптимизация, разработена за машинно обучение, за да намалят драстично необходимото време на процесора, като същевременно поддържат точността на решението.

Енергия на синтез

Fusion предлага обещание за неограничена енергия без въглерод чрез същия физически процес, който захранва слънцето и звездите. Изисква загряване на горивото до температури над 100 милиона градуса, доста над точката, в която електроните се отделят от техните атоми, създавайки форма на материя, наречена плазма. На Земята изследователите използват силни магнитни полета, за да изолират и изолират горещата плазма от обикновената материя. Колкото по-силно е магнитното поле, толкова по-добро е качеството на изолацията, която осигурява.

Родригес-Фернандес и Хауърд са се фокусирали върху прогнозирането на очакваната производителност в устройството SPARC, компактен експеримент за синтез с високо магнитно поле, който в момента се изгражда от отделената компания на MIT Commonwealth Fusion Systems (CFS) и изследователи от MIT Център за плазмена наука и синтез. Макар че изчислението изискваше изключително много компютърно време, над 8 милиона процесорни часа, забележителното беше не колко време е използвано, а колко малко, като се има предвид обезсърчаващото изчислително предизвикателство.

Изчислителното предизвикателство на термоядрената енергия

Турбуленцията, която е механизмът за по-голямата част от загубата на топлина в затворена плазма, е едно от големите предизвикателства на науката и най-големият проблем, оставащ в класическата физика. Уравненията, които управляват термоядрена плазма, са добре известни, но аналитични решения не са възможни в режимите, които представляват интерес, където нелинейностите са важни и решенията обхващат огромен диапазон от пространствени и времеви мащаби. Учените прибягват до решаването на уравненията чрез числена симулация на компютри. Не е случайно, че изследователите на термоядрения синтез са пионери в изчислителната физика през последните 50 години.

Един от основните проблеми за изследователите е надеждното прогнозиране на температурата и плътността на плазмата, като се има предвид само конфигурацията на магнитното поле и външно приложената входна мощност. В устройства за задържане като SPARC, външната мощност и внесената топлина от процеса на синтез се губят чрез турбуленция в плазмата. Самата турбуленция се задвижва от разликата в изключително високата температура на плазменото ядро ​​и относително ниските температури на плазмения ръб (само няколко милиона градуса). Следователно, предсказването на работата на самозагрята термоядрена плазма изисква изчисляване на баланса на мощността между вложената мощност на синтеза и загубите, дължащи се на турбулентност.

Тези изчисления обикновено започват с приемане на профили на плазмената температура и плътност на определено място, след което се изчислява топлината, транспортирана локално чрез турбуленция. Полезната прогноза обаче изисква самостоятелно изчисление на профилите в цялата плазма, което включва както входящата топлина, така и турбулентните загуби. Директното решаване на този проблем е извън възможностите на всеки съществуващ компютър, така че изследователите са разработили подход, който свързва профилите заедно от серия от взискателни, но поносими локални изчисления. Този метод работи, но тъй като потоците на топлина и частици зависят от множество параметри, изчисленията могат да бъдат много бавни за сближаване.

Въпреки това, техниките, произлизащи от областта на машинното обучение, са много подходящи за оптимизиране на точно такова изчисление. Започвайки с набор от интензивни изчисления локални изчисления, изпълнявани с CGYRO кода с пълна физика, първи принципи (предоставен от екип от General Atomics, ръководен от Джеф Кенди), Родригес-Фернандес и Хауърд отговарят на сурогатен математически модел, който беше използван за изследване и оптимизирайте търсенето в пространството на параметрите. Резултатите от оптимизацията бяха сравнени с точните изчисления във всяка оптимална точка и системата беше повторена до желано ниво на точност. Изследователите изчисляват, че техниката е намалила броя на изпълненията на CGYRO кода с коефициент четири.

Новият подход повишава доверието в прогнозите

Тази работа, описано в скорошна публикация в дневника Ядрен синтез, е най-високото изчисление за прецизност, правено някога за ядрото на термоядрена плазма. Той прецизира и потвърждава прогнозите, направени с по-малко взискателни модели. Професор Джонатан Цитрин от Технологичния университет в Айндховен и ръководител на групата за моделиране на термоядрения синтез за DIFFER, Холандския институт за фундаментални енергийни изследвания, коментира: „Работата значително ускорява възможностите ни за по-рутинно изпълнение на свръхвисококачествени прогнози за сценарии на токамак. Този алгоритъм може да помогне за предоставянето на най-добрия тест за валидиране на машинния дизайн или оптимизация на сценарий, извършен с по-бързо, по-намалено моделиране, което значително повишава увереността ни в резултатите.”

В допълнение към увеличаването на доверието в производителността на синтеза на експеримента SPARC, тази техника предоставя пътна карта за проверка и калибриране на намалени физически модели, които работят с малка част от изчислителната мощност. Такива модели, кръстосани с резултатите, генерирани от симулации на турбулентност, ще осигурят надеждна прогноза преди всяко изпускане на SPARC, като помагат за насочването на експериментални кампании и подобряват научната експлоатация на устройството. Може също да се използва за настройване и подобряване на дори прости модели, управлявани от данни, които работят изключително бързо, позволявайки на изследователите да преглеждат огромни диапазони от параметри, за да стеснят възможни експерименти или възможни бъдещи машини.

Изследването е финансирано от CFS, с изчислителна подкрепа от Националния изчислителен център за научни изследвания в областта на енергетиката, Службата за потребителите на Министерството на енергетиката на САЩ.