“人工智能加速了开发干净 几乎无限的聚变能量的努力”

人工智能( ai )是计算机科学的分支，正在改变科学探索和工业，目前可以加速开发安全、清洁、几乎无限的融合能发电。 美国能源部( doe )普林斯顿等离子体物理实验室( pppl )和普林斯顿大学朝着这个方向迈出了重要的一步。 与哈佛大学研究生院合作的科学家团队可以通过预测深度学习-人工智能机器学习形式的强大新版本-突然中断，来阻止融合反应，摧毁容纳反应的环状托卡马克。

融合研究的新篇章

这项研究为给地球带来无限能量的努力揭开了有希望的新篇章。 PPL主任史蒂夫·科里说，这个发现在本期的自然杂志上被报道了。 人工智能在科学行业层出不穷，现在开始为寻求世界融合能力做出贡献。

驱动太阳和恒星融合的是等离子体形状较轻的元素融合-产生由自由电子和原子核组成的热带电状态-能量。 科学家们要求在地球上复制融合以获得足够的电力供应。

解释深度学习是预测中断能力的重要因素——等离子体粒子和能量的突然丧失。 已经获得了两个主要的融合设施提供的巨大数据库。 也就是说，通用电气企业运营的diii-d国家融合设施加州的doe、美国最大的工厂、以及英国的联合欧洲圆环( jet )是世界最大的工厂，由欧洲融合能源快速发展联盟eurofusion管理 jet和diii-d科学家的支持对这项工作很重要。

大型数据库现在可以可靠地预测托卡马克的破坏，而不是系统训练中的哪一个——在这种情况下，从小的diii-d到大的jet。 这个成果预示着iter中断的预测，iter是更大、更强大的托卡马克，必须应用今天在融合设施中学到的能力。

被称为融合回归神经互联网( frnn )的深度学习代码也为中断的控制和预测提供了可行的途径。

最感兴趣的科学快速发展行业

人工智能是目前最感兴趣的科学快速发展行业，与融合科学相结合非常兴奋，pppl首席研究物理学家、该论文的共同作者、教授水平和职称的讲师普林斯顿大学天体物理学科负责监督ai项目。 我们加快了高精度预测清洁融合能源最危险挑战的能力。

与在执行规定的指令之前传入的软件不同，深度学习是从错误中学习的。 实现这一点很不可思议，神经互联网、互联节点的层-数学算法-参数化或通过程序加权形成了所需的输出。 对于特定的输入，节点要求生成指定的输出，如正确识别面部或正确预测中断等。 如果节点无法完成此任务，将开始培训。 权重会自动调整新数据，直到获得正确的输出。

深度学习的一个重要特征是可以捕获高维数据而不是一维数据。 例如，深度学习以外的软件可能会考虑单个时间点的等离子体温度，而frnn会考虑时间和空之间的温度变化。 深度学习方法通过从这些复杂的数据中学习的能力，成为了破坏预测任务的理想候选人。 合作者julian kates-harbeck表示，哈佛大学物理系研究生院和美国能源部科学与计算科学研究生院曾担任自然论文主要作者及其代码首席架构师的研究员。

训练和运行神经互联网依赖于图形解决方案单元( gpu )，首先设计用于渲染3d图像的计算机芯片。 该芯片非常适合运行深度学习APP，广泛用于企业生成ai功能，如口语理解和自动驾驶车辆注意道路状况等。

kates-harbeck对从jet和diii-d收集的2TB(1012 )以上的数据进行了frnn代码的训练。 在普林斯顿大学现代gpu的tiger集群中运行软件后，团队将其部署到了titan、oak ridge领导计算机的超级计算机、doe科学客户设施办公室和其他高性能机器上。

艰巨的任务

将互联网分配给多台计算机是一项困难的工作。 深度神经网络的训练是一个计算密集型问题，需要高性能计算集群的参与。 自然论文的作者alexey svyatkovskiy说，他帮助将算法转换为生产代码，现在是微软。 我们为了实现有效的并行解决，把整个神经互联网的副本放在了多个解决器上，他说。

该软件还表明，iter可以在30毫秒内预测真正的中断，并减少误报的数量。 这个代码现在要求iter准确预测95%，误报率低于3%。 研究人员说，只有现场实验操作才能说明什么样的预测方法的优点，但他们的论文指出，预测中采用的大规模归档数据库涵盖了广泛的操作场景。 因为这提供了关于相对特征的重要证据。 正文考虑的做法。

从预测到控制[/s2/]

下一步是从预测过渡到控制中断。 kates-harbeck先生说。 “我们不是在最后一刻预测中断来减轻它们，而是利用未来的深度学习模型将等离子体从不稳定的区域轻轻地移动。 目的首先是不让大部分中断。 下一步的重点是michael zarnstorff，他最近从pppl的研究副主任转移到了实验室的首席科学官。 zarnstorff指出，这对于控制后iter托卡马克很重要，其中中断是必不可少的要件。

从支持ai的正确预测到现实的等离子体控制的发展，需要多个学科。 唐先生说，我们将深度学习和高性能计算机上的基本第一原理物理结合起来，杜绝燃烧等离子体的现实控制机制。 通过控制，一个意味着你知道在托卡马克上旋转它们'； 旋钮'； 为了防止中断而改变条件。 这是我们的目标，也是我们前进的方向。

这项事业支持美国能源部科学和国家核安全管理局颁发的能源计算科学研究生奖学金计划；普林斯顿大学计算科学与工程研究所( picsie )； 以及pppl提供的实验室指导研究和开发基金。 作者希望得到picscie的bill wichser和curt hillegas的高性能超级计算机的帮助杰克·威尔斯在橡树岭领先于计算机机构； satoshi matsuoka和rio yokata在东京工业大学； 与nvidia企业的汤姆·吉布斯

本文：《“人工智能加速了开发干净 几乎无限的聚变能量的努力”》