人工知能 (AI) は、現代の最も重要なテクノロジーの 1 つであると多くの人が考えています。 ChatGPT の形式で質問に対する回答を提供できるだけでなく、確立されたプロセスや、場合によっては非常に時代遅れなプロセスを最新化するための他のテクノロジーもサポートできます。プリンストン大学の研究者らは、例えば核融合をより安全で大量利用に適したものにするために、新しい機械学習（ML）手法を利用したいと考えている。
Princeton AI による安定した核融合
核融合炉、特にトカマク炉の主な問題は、その安定性です。いわゆるプラズマ エッジ バーストまたはエッジ局所モード (ELM) は、高温の中心プラズマと原子炉容器の壁の間の領域で発生する、エネルギーと粒子の流れの突然の激しいバーストです。この不安定性により、エッジプラズマからエネルギーと粒子が突然放出され、容器の壁に損傷を与える可能性があります。 ELM は内部のプラズマの安定性に影響を与え、原子炉の連続運転を妨害する可能性もあります。
具体的には、ELM は次の 3 つのタイプに分類されます。
- タイプ I:高エネルギーの放出に伴う、大規模だがまれなバースト。
- タイプ II:小規模だがより頻繁なバースト。
- タイプ III:非常に小さいですが、非常に頻繁なバースト。
偏向はプラズマの端の圧力勾配と温度勾配によって生じることが知られていますが、予測することはもちろん、制御することさえ困難です。後者は、例えば、原子炉の磁場構造における磁気構成、小さな凍結重水素または三重水素ペレットの導入、または不安定性を抑制するための外部磁場の使用によって達成できる。
Nature Communications誌に掲載された新しい研究は、ELMなしでトカマクの核融合の性能がどのように向上するだけでなく安定化できるかを示しています。
「効果的であるだけでなく、汎用性も高い」
新しい方法は、理論上だけでなく、原子炉のプラズマ流の不規則性にリアルタイムで反応することを目的としています。プリンストン大学のプレスリリースによると、新しい AI システムはすでにプリンストンプラズマ物理研究所 (PPPL) の 2 つの異なる施設でテストに成功しています。
「私たちのアプローチが不安定になることなく高性能プラズマを維持できることを示しただけでなく、それが 2 つの異なるシステムで動作できることも示しました」と研究リーダーで機械工学および航空宇宙宇宙技術の准教授であるエゲメン・コールメン氏は説明しました。 「私たちのアプローチが効果的であるだけでなく、多用途であることを示しました。」
不安定性を抑制するためのこれまでの対策では、常に使用する反応器の性能が低下していました。これは研究に重要な洞察をもたらしましたが、実際の条件下で核融合を使用するという観点では重大な問題を引き起こしました。結局のところ、トカマクは将来のエネルギー生産において化石燃料に代わることを目的としており、安定性と性能が最も重要なのです。そして結局のところ。
こちらも興味深い：核融合炉が記録を更新：太陽の核の7倍の温度
機械学習が新たな道を切り開く
「以前は、すべてを事前にプログラムする必要がありました」と、新しい研究の筆頭著者であり、PPPLの研究員であり、コールメンのグループの元博士研究員であるサンキョン・キム氏は言う。 「この制限により、システムを真に最適化することが困難になっています。これは、プラズマ内の状態がどのように変化するかに応じてパラメーターをリアルタイムで変更できないことを意味するためです。」
このモデルは計算時間を短縮し、「物理コード」の代替として機能すると、共同筆頭著者の Ricardo Shousha 氏は付け加えました。同氏によれば、これまでのアプローチはデータ主導のみであるとして批判されてきたという。これは、トレーニングに使用された質の高いデータの量に応じてのみ品質が向上することを意味します。 「しかし、私たちのモデルは物理コードの代替であり、物理学の原理はどこにでも同じように適用されるため、私たちの研究を他のコンテキストに移すのは簡単です。」
「核融合で私たちが直面している課題の多くについて、私たちは解決策を見つける方法を知っている段階にいますが、それらの解決策を実装する私たちの能力は、従来の解決策の計算の複雑さによって制限されており、ツールも限られています。これらの機械学習アプローチにより、これらのよく知られた融合の課題に対処する新しい方法が得られました。」
エゲメン・コールメン
出典：「トカマクにおける有害なエッジエネルギーバーストのない最高の核融合性能」（Nature Communications、2024）。プリンストン大学