DigitalArtSpace

Новый инструмент, созданный на базе искусственного интеллекта, поможет существенно сократить сроки реализации проектов в области термоядерной энергетики. Система GyroSwin, разработанная экспертами из Управления по атомной энергии Великобритании (UKAEA), Университета Иоганна Кеплера в Линце (JKU) и компании Emmi AI, позволяет моделировать поведение термоядерной плазмы во много раз быстрее, чем это делают традиционные подходы.

Термоядерная энергия представляет собой перспективный источник энергии, который может быть чистым и практически неограниченным. Однако, для её получения требуется контроль над плазмой, разогретой до температур, значительно превышающих температуру Солнца. Для удержания этой перегретой плазмы используются мощные магнитные поля, и одной из ключевых задач является сдерживание турбулентности, возникающей внутри плазмы и способной приводить к потере энергии.

Обычно при анализе данных применяются численные симуляции, разработанные на основе пятимерной (5D) гирокинетики. Данные модели позволяют отслеживать динамику плазмы в трёх пространственных измерениях, а также в двух измерениях, характеризующих движение частиц вдоль и поперек магнитных полей. Подобные симуляции требуют значительных вычислительных мощностей и могут занимать от нескольких часов до нескольких дней, что сдерживает прогресс в исследованиях и увеличивает финансовые издержки.

GyroSwin использует алгоритмы машинного обучения для анализа динамики 5D-моделирования плазмы. Обученная модель способна генерировать достоверные результаты всего за несколько секунд. Разработчики отмечают, что ключевым достоинством GyroSwin является ее способность учитывать важные физические параметры термоядерной плазмы, такие как масштаб турбулентных колебаний и сдвиговые потоки плазмы, способствующие подавлению турбулентности.

UKAEA исследует потенциал использования GyroSwin в проектах термоядерного синтеза нового поколения, в частности, в британском токамаке STEP. Для оптимизации режимов плазмы в таких установках потребуется проведение миллионов симуляций, что особенно важно с учётом неопределённости и сложности физических процессов. Повышение детализации симуляций приводит к значительному увеличению вычислительных затрат, поэтому инструменты оперативного моделирования полезны для отбора наиболее перспективных сценариев.

Похожие статьи

Новый алгоритм Дарвина-Гёделя учит искусственный интеллект самостоятельно программировать.

В США производят эффективные процессоры: тайванские чипы TSMC возвращаются на родину для завершения производства.

В продаже — новая Lada Granta с увеличенным дорожным просветом

Новые модели Kia могут появиться на российском рынке.

Недорогой аналог Toyota Camry с пробегом более 2000 км завоевал популярность

Рамный внедорожник BAW 212 T01 с мощным двигателем: «Китайский УАЗ» с комфортом.