在科學(xué)家能夠有效捕獲和部署聚變能之前，他們必須學(xué)會預(yù)測可能阻止聚變反應(yīng)并破壞稱為托卡馬克的圓環(huán)形融合裝置壁的主要破壞。及時預(yù)測中斷，突然失去控制反應(yīng)的熱，帶電等離子體對于觸發(fā)避免或減輕此類大規(guī)模事件的步驟至關(guān)重要。

今天，美國能源部(DOE)普林斯頓等離子體物理實(shí)驗室(PPPL)和普林斯頓大學(xué)的研究人員正在采用人工智能來提高預(yù)測能力。由PPPL物理學(xué)家兼普林斯頓大學(xué)教授級別和職稱的講師William Tang領(lǐng)導(dǎo)的研究人員正在開發(fā)ITER預(yù)測代碼，ITER是法國正在建設(shè)的國際實(shí)驗，旨在展示聚變能的實(shí)用性。

形式的“深度學(xué)習(xí)”

新的預(yù)測軟件稱為融合回歸神經(jīng)網(wǎng)絡(luò)(FRNN)代碼，是一種“深度學(xué)習(xí)”形式 - 一種更新，更強(qiáng)大的現(xiàn)代機(jī)器學(xué)習(xí)軟件版本，是人工智能的應(yīng)用。唐說：“深度學(xué)習(xí)是預(yù)測中斷的一個令人興奮的新途徑。” “此功能現(xiàn)在可以處理多維數(shù)據(jù)。”

FRNN是一種深度學(xué)習(xí)架構(gòu)，已被證明是使用遠(yuǎn)程模式分析順序數(shù)據(jù)的最佳方式。PPPL和普林斯頓大學(xué)機(jī)器學(xué)習(xí)團(tuán)隊的成員是第一個系統(tǒng)地應(yīng)用深度學(xué)習(xí)方法來解決托卡馬克聚變等離子體中的破壞預(yù)測問題。

FRNN的首席架構(gòu)師是Julian Kates-Harbeck，哈佛大學(xué)研究生和美國能源部科學(xué)計算科學(xué)研究員。憑借在斯坦福大學(xué)獲得計算機(jī)科學(xué)碩士學(xué)位所獲得的專業(yè)知識，他領(lǐng)導(dǎo)了FRNN軟件的建設(shè)。

更準(zhǔn)確的預(yù)測

使用這種方法，團(tuán)隊已經(jīng)證明了比以前的方法更準(zhǔn)確地預(yù)測破壞性事件的能力。通過來自位于英國的聯(lián)合歐洲圓環(huán)(JET)設(shè)施的龐大數(shù)據(jù)庫 - 運(yùn)營中最大和最強(qiáng)大的托卡馬克 - 研究人員在預(yù)測中斷和減少誤報警數(shù)量方面取得了顯著進(jìn)步。 。EUROfusion是歐洲融合能源發(fā)展聯(lián)盟，負(fù)責(zé)管理JET研究。

該團(tuán)隊現(xiàn)在的目標(biāo)是實(shí)現(xiàn)ITER將要求的具有挑戰(zhàn)性的目標(biāo)。這些包括在發(fā)生中斷時產(chǎn)生95%的正確預(yù)測，而在沒有中斷時提供少于3%的錯誤警報。“在檢查的測試數(shù)據(jù)集中，F(xiàn)RNN已經(jīng)改進(jìn)了預(yù)測真陽性的曲線，同時減少了誤報，”PPPL的計算科學(xué)家Eliot Feibush說，他指的是常用的“接收器工作特性”曲線。測量機(jī)器學(xué)習(xí)的準(zhǔn)確性。“我們正在努力提供更多的培訓(xùn)數(shù)據(jù)，以做得更好。”

要求很高

這個過程要求很高。“訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)是一項計算密集型任務(wù)，需要高性能計算硬件的參與，”普林斯頓大學(xué)大數(shù)據(jù)研究員Alexey Svyatkovskiy說。“這就是為什么我們所做的很大一部分工作是在許多處理器上開發(fā)和分發(fā)新算法，以實(shí)現(xiàn)高效的并行計算。這種計算將處理從JET和其他托卡馬克中斷相關(guān)數(shù)據(jù)庫中提出的問題日益增加的問題。 “

深度學(xué)習(xí)代碼運(yùn)行在圖形處理單元(GPU)上，可以同時計算數(shù)千個程序副本，遠(yuǎn)遠(yuǎn)超過舊的中央處理單元(CPU)。在現(xiàn)代GPU集群以及世界級機(jī)器上進(jìn)行的測試，如Titan，目前是橡樹嶺國家實(shí)驗室DOE科學(xué)用戶設(shè)施橡樹嶺領(lǐng)導(dǎo)計算設(shè)施中最快，最強(qiáng)大的美國超級計算機(jī)，已經(jīng)展示出優(yōu)秀的線性縮放。這種縮放減少了計算運(yùn)行時間，與所使用的GPU數(shù)量成正比 - 這是高效并行處理的主要要求。

普林斯頓的虎群

普林斯頓大學(xué)現(xiàn)代GPU的Tiger集群是第一個進(jìn)行深度學(xué)習(xí)測試的人，使用FRNN來證明預(yù)測融合中斷的能力有所提高。此后，該代碼已經(jīng)在美國，歐洲和亞洲的Titan和其他領(lǐng)先的超級計算GPU集群上運(yùn)行，并且隨著GPU數(shù)量的增加，這些代碼繼續(xù)表現(xiàn)出色。

展望未來，研究人員試圖證明這種強(qiáng)大的預(yù)測軟件可以在全世界的托卡馬克上運(yùn)行，最終可以在ITER上運(yùn)行。還計劃在破壞性事件發(fā)生之前針對與較大數(shù)據(jù)集相關(guān)聯(lián)的增加的問題大小來提高破壞分析的速度。該項目的支持主要來自PPPL提供的實(shí)驗室指導(dǎo)研究和開發(fā)基金。