플라즈마 가열의 새로운 AI 모델은 핵융합 연구에 사용되는 컴퓨터 코드에 중요한 수정을 가져왔습니다.

플라스마 가열을 위한 새로운 인공지능(AI) 모델은 이전에 가능하다고 생각했던 것보다 더 많은 것을 할 수 있으며, 정확도를 유지하면서 예측 속도를 1,000만 배나 높일 뿐만 아니라 원래 수치 코드가 실패한 경우에도 플라스마 가열을 올바르게 예측합니다. 이 모델은 10월 11일 애틀랜타에서 열리는 American Physical Society Division of Plasma Physics의 제66회 연례 회의에서 발표됩니다.

"우리의 지능을 통해 AI가 사용 가능한 수치 모델의 한계를 뛰어넘도록 훈련할 수 있습니다." 미국 에너지부(DOE) 프린스턴 플라스마 물리학 연구소(PPPL)의 연구 물리학자 알바로 산체스-빌라르가 말했습니다. 산체스-빌라르는 Nuclear Fusion 에 게재된 이 연구에 대한 새로운 심사평가 저널 기사의 주요 저자입니다. 이는 5개 연구 기관에 걸친 프로젝트의 일부였습니다.

이 모델은 AI의 한 유형인 머신 러닝을 사용하여 핵융합 실험에서 이온 사이클로트론 주파수 범위(ICRF) 가열이 적용될 때 플라즈마의 전자와 이온이 어떻게 행동하는지 예측하려고 합니다. 이 모델은 컴퓨터 코드에서 생성된 데이터로 훈련됩니다. 대부분의 데이터가 과거 결과와 일치했지만, 일부 극단적인 시나리오에서는 데이터가 예상과 달랐습니다.

"우리는 가열 프로파일이 다소 임의적인 위치에서 불규칙한 스파이크를 특징으로 하는 매개변수적 체제를 관찰했습니다."라고 산체스-빌라가 말했습니다. "그 스파이크를 설명할 물리적인 것은 아무것도 없었습니다."

플라스마 가열을 위한 새로운 인공지능(AI) 모델은 이전에 가능하다고 생각했던 것보다 더 많은 것을 할 수 있으며, 정확도를 유지하면서 예측 속도를 1,000만 배나 높일 뿐만 아니라 원래 수치 코드가 실패한 경우에도 플라스마 가열을 올바르게 예측합니다. 이 모델은 10월 11일 애틀랜타에서 열리는 American Physical Society Division of Plasma Physics의 제66회 연례 회의에서 발표됩니다.

"우리의 지능을 통해 AI가 사용 가능한 수치 모델의 한계를 뛰어넘도록 훈련할 수 있습니다." 미국 에너지부(DOE) 프린스턴 플라스마 물리학 연구소(PPPL)의 연구 물리학자 알바로 산체스-빌라르가 말했습니다. 산체스-빌라르는 Nuclear Fusion에 게재된 이 연구에 대한 새로운 심사평가 저널 기사의 주요 저자입니다. 이는 5개 연구 기관에 걸친 프로젝트의 일부였습니다.

이 모델은 AI의 한 유형인 머신 러닝을 사용하여 핵융합 실험에서 이온 사이클로트론 주파수 범위(ICRF) 가열이 적용될 때 플라즈마의 전자와 이온이 어떻게 행동하는지 예측하려고 합니다. 이 모델은 컴퓨터 코드에서 생성된 데이터로 훈련됩니다. 대부분의 데이터가 과거 결과와 일치했지만, 일부 극단적인 시나리오에서는 데이터가 예상과 달랐습니다.

"우리는 가열 프로파일이 다소 임의적인 위치에서 불규칙한 스파이크를 특징으로 하는 매개변수적 체제를 관찰했습니다."라고 산체스-빌라가 말했습니다. "그 스파이크를 설명할 물리적인 것은 아무것도 없었습니다."

"이것은 실질적으로 우리의 대리 구현이 데이터를 신중하게 큐레이션한 것에 기반하여 원래 코드를 수정하는 것과 동일하다는 것을 의미합니다."라고 산체스-빌라가 말했습니다. "모든 기술과 마찬가지로 지능적으로 사용하면 AI는 이전보다 더 빠르게 문제를 해결할 수 있을 뿐만 아니라 더 잘 해결할 수 있으며, 우리 자신의 인간적 제약을 극복할 수 있습니다."

예상대로, 이 모델은 ICRF 가열에 대한 계산 시간도 개선했습니다. 이 시간은 약 60초에서 2마이크로초로 단축되어 정확도에 큰 영향을 미치지 않으면서도 더 빠른 시뮬레이션이 가능해졌습니다. 이 개선은 과학자와 엔지니어가 핵융합을 실용적인 전력원으로 만드는 가장 좋은 방법을 탐구하는 데 도움이 될 것입니다.

이 프로젝트의 다른 연구자로는 Zhe Bai, Nicola Bertelli, E. Wes Bethel, Julien Hillairet, Talita Perciano, Syun'ichi Shiraiwa, Gregory M. Wallace, John C. Wright가 있습니다. 이 연구는 계약 번호 DE-AC02-09CH11466에 따라 미국 에너지부의 지원을 받았습니다. 이 연구는 2023년 NERSC Award FES m3716을 사용하여 계약 번호 DE-AC02-05CH11231에 따라 운영되는 National Energy Research Scientific Computing Center(NERSC)의 리소스를 사용했습니다.

출처: https://www.sciencedaily.com/releases/2024/10/241009122828.htm