В США Искусственный Интеллект научился находить так называемые "магнитные тени" в термоядерных реакторах - места, где плазма не так сильно нагреет внутреннюю поверхность благодаря магнитному полю.
Этот новый ИИ известен под именем HEAT-ML и он может стать основой для программного обеспечения, которое значительно ускорит проектирование будущих термоядерных систем. И сможет регулировать потоки плазмы, чтобы решать проблемы в зародыше.
Термоядерный синтез происходит и на Солнце, и в реакторах на нашей Земле (но только в научных масштабах, не производственных). Количество энергии, получаемое таким образом просто зашкаливающее, но нужно решить одну основную проблему - адское тепло плазмы, что превышает температуру даже ядра Солнца.
А потому ускорение расчётов, предсказывающих, куда попадёт это тепло и какие части токамака (камера, где плазму удерживает как раз магнитное поле) останутся в тени других частей, имеет ключевое значение для обеспечения энергосистемы термоядерной энергией. Потому что плазма может расплавить саму камеру и если это постоянно и правильно регулировать... То не расплавит.
Конкретная часть токамака, представляющая собой 15 плиток в нижней части установки, является частью выхлопной системы, которая будет подвергаться наибольшему нагреву.
Для создания подобной модели нагрева, учёные создают т.н. "теневые маски". Те в свою очередь представляют собой трёхмерные карты магнитных теней, которые уже представляют определённые области на поверхностях внутренних компонентов термоядерной системы, защищённые от прямого теплового воздействия. Расположение этих теней зависит от формы деталей внутри токамака и того, как они взаимодействуют с линиями магнитного поля, ограничивающими плазму.
Изначально для расчета этих теневых масок использовалась программа с открытым исходным кодом HEAT/ИАТП (Heat flux Engineering Analysis Toolkit/Инструментарий для Анализа Теплового Потока).
HEAT отслеживает линии магнитного поля с поверхности компонента, чтобы определить, пересекает ли линия другие внутренние части токамака. Если пересекает, эта область помечается как "затенённая". Однако, отслеживание этих линий и определение мест их пересечения с детальной 3D-геометрией установки было проблематичным. На одну модель могло уйти около 30 минут, а для некоторых сложных геометрических объектов - в разы больше.
HEAT-ML же ускоряет вычисления до нескольких миллисекунд, поскольку там помогает глубокая нейросеть, обученная на базе ИАТП/HEAT.
#Cirno #Science #IT@cirno_nb
Мы в VK: https://vk.com/cirno_nb
