25.4 C
Jakarta

AI Princeton Membuka Tingkat Kinerja Baru dalam Reaktor Fusi

Published:

Para peneliti di Princeton dan Laboratorium Fisika Plasma Princeton telah berhasil menggunakan pembelajaran mesin untuk menekan ledakan energi di tepi plasma dalam reaktor fusi, sehingga meningkatkan kinerja tanpa kerusakan. Kredit: SciTechDaily.com

Sebuah tim dari Princeton telah mengembangkan a pembelajaran mesin metode untuk mengendalikan plasma ledakan tepi dalam reaktor fusi, mencapai kinerja tinggi tanpa ketidakstabilan dan mengurangi waktu komputasi secara dramatis untuk penyesuaian sistem secara real-time.

Mencapai reaksi fusi yang berkelanjutan adalah tindakan penyeimbangan yang kompleks namun rumit. Hal ini membutuhkan lautan bagian-bagian yang bergerak untuk bersatu guna mempertahankan plasma berperforma tinggi: plasma yang cukup padat, cukup panas, dan terkurung cukup lama agar fusi dapat terjadi.

Namun ketika para peneliti berusaha mencapai batas kinerja plasma, mereka menghadapi tantangan baru dalam menjaga plasma tetap terkendali, termasuk tantangan yang melibatkan semburan energi yang keluar dari tepi plasma super panas. Semburan tepi ini berdampak negatif terhadap kinerja keseluruhan dan bahkan merusak komponen reaktor yang menghadap plasma seiring waktu.

Terobosan dalam Penekanan Ketidakstabilan Edge

Kini, tim peneliti fusi yang dipimpin oleh para insinyur di Princeton dan Laboratorium Fisika Plasma Princeton (PPPL) Departemen Energi AS telah berhasil menerapkan metode pembelajaran mesin untuk menekan ketidakstabilan tepi yang berbahaya ini — tanpa mengorbankan kinerja plasma.

Penggambaran tokamak. Kredit: Bumper DeJesus, Pusat Energi dan Lingkungan Andlinger

Dengan pendekatan mereka, yang mengoptimalkan respons penekanan sistem secara real-time, tim peneliti menunjukkan kinerja fusi tertinggi tanpa adanya semburan tepi di dua fasilitas fusi berbeda — masing-masing dengan parameter operasinya sendiri. Para peneliti melaporkan temuan mereka pada 11 Mei Komunikasi Alammenggarisbawahi potensi besar pembelajaran mesin dan sistem kecerdasan buatan lainnya untuk dengan cepat mengatasi ketidakstabilan plasma.

“Kami tidak hanya menunjukkan bahwa pendekatan kami mampu mempertahankan plasma berperforma tinggi tanpa ketidakstabilan, namun kami juga menunjukkan bahwa pendekatan ini dapat bekerja di dua fasilitas berbeda,” kata pemimpin penelitian Egemen Kolemen, profesor teknik mesin dan dirgantara dan Andlinger. Pusat Energi dan Lingkungan. “Kami menunjukkan bahwa pendekatan kami tidak hanya efektif – tetapi juga serbaguna.”

Mengatasi Tantangan Mode Pengurungan Tinggi

Para peneliti telah lama bereksperimen dengan berbagai cara mengoperasikan reaktor fusi untuk mencapai kondisi yang diperlukan untuk fusi. Salah satu pendekatan yang paling menjanjikan adalah dengan mengoperasikan reaktor dalam mode pengurungan tinggi, suatu rezim yang ditandai dengan pembentukan gradien tekanan curam di tepi plasma yang menawarkan peningkatan pengurungan plasma.

Namun, mode pengurungan tinggi secara historis disertai dengan ketidakstabilan di tepi plasma, sebuah tantangan yang mengharuskan peneliti fusi untuk menemukan solusi kreatif.

Salah satu solusinya adalah dengan menggunakan kumparan magnetik yang mengelilingi reaktor fusi untuk menerapkan medan magnet ke tepi plasma, memecah struktur yang mungkin berkembang menjadi ketidakstabilan tepi sepenuhnya. Namun solusi ini tidak sempurna: meskipun berhasil menstabilkan plasma, penerapan gangguan magnetik ini biasanya menyebabkan penurunan kinerja secara keseluruhan.

“Kami mempunyai cara untuk mengendalikan ketidakstabilan ini, namun pada gilirannya, kami harus mengorbankan kinerja, yang merupakan salah satu motivasi utama untuk beroperasi dalam mode pengekangan tingkat tinggi,” kata Kolemen, yang juga seorang staf peneliti fisika di PPPL.

Hilangnya kinerja ini sebagian disebabkan oleh sulitnya mengoptimalkan bentuk dan amplitudo gangguan magnetik yang diterapkan, yang pada gilirannya berasal dari intensitas komputasi pendekatan optimasi berbasis fisika yang ada. Metode konvensional ini melibatkan serangkaian persamaan kompleks dan memerlukan waktu puluhan detik untuk mengoptimalkan satu titik waktu — jauh dari ideal ketika perilaku plasma dapat berubah hanya dalam milidetik. Akibatnya, para peneliti fusi harus mengatur bentuk dan amplitudo gangguan magnetik sebelum setiap proses fusi berjalan, sehingga kehilangan kemampuan untuk melakukan penyesuaian secara real-time.

“Di masa lalu, segala sesuatu harus diprogram sebelumnya,” kata rekan penulis pertama SangKyeun Kim, staf ilmuwan peneliti di PPPL dan mantan peneliti pascadoktoral di kelompok Kolemen. “Keterbatasan ini membuat sulit untuk benar-benar mengoptimalkan sistem, karena ini berarti bahwa parameter tidak dapat diubah secara real-time tergantung pada bagaimana kondisi plasma terjadi.”

Meningkatkan Kinerja Fusion Dengan AI

Pendekatan pembelajaran mesin yang dipimpin oleh tim Princeton memangkas waktu komputasi dari puluhan detik menjadi skala milidetik, sehingga membuka pintu bagi pengoptimalan waktu nyata. Model pembelajaran mesin, yang merupakan pengganti lebih efisien untuk model berbasis fisika yang ada, dapat memantau status plasma dari satu milidetik ke milidetik berikutnya dan mengubah amplitudo dan bentuk gangguan magnetik sesuai kebutuhan. Hal ini memungkinkan pengontrol untuk mencapai keseimbangan antara penekanan ledakan tepi dan kinerja fusi tinggi, tanpa mengorbankan satu sama lain.

“Dengan model pengganti pembelajaran mesin, kami mengurangi waktu penghitungan kode yang ingin kami gunakan hingga beberapa kali lipat,” kata rekan penulis pertama Ricardo Shousha, peneliti pascadoktoral di PPPL dan mantan mahasiswa pascasarjana di kelompok Kolemen.

Karena pendekatan mereka pada dasarnya didasarkan pada fisika, para peneliti mengatakan pendekatan ini akan mudah diterapkan pada berbagai perangkat fusi di seluruh dunia. Dalam makalahnya, misalnya, mereka menunjukkan keberhasilan pendekatan mereka di tokamak KSTAR di Korea Selatan dan tokamak DIII-D di San Diego. Di kedua fasilitas tersebut, yang masing-masing memiliki seperangkat kumparan magnetik unik, metode ini mencapai pengekangan yang kuat dan kinerja fusi yang tinggi tanpa semburan tepi plasma yang berbahaya.

“Beberapa pendekatan pembelajaran mesin telah dikritik karena hanya berbasis data, artinya pendekatan tersebut hanya akan berfungsi jika jumlah data berkualitas yang dilatih,” kata Shousha. “Tetapi karena model kami adalah pengganti kode fisika, dan prinsip-prinsip fisika berlaku sama di mana pun, maka lebih mudah untuk mengekstrapolasi pekerjaan kami ke konteks lain.”

Prospek Masa Depan untuk Sistem Kontrol Fusi

Tim tersebut telah berupaya menyempurnakan model mereka agar kompatibel dengan perangkat fusi lainnya, termasuk reaktor masa depan yang direncanakan seperti ITER, yang saat ini sedang dibangun.

Salah satu bidang kerja aktif dalam kelompok Kolemen melibatkan peningkatan kemampuan prediktif model mereka. Misalnya, model saat ini masih mengandalkan beberapa edge burst selama proses optimasi sebelum bekerja secara efektif, sehingga menimbulkan risiko yang tidak diinginkan bagi reaktor di masa depan. Jika para peneliti dapat meningkatkan kemampuan model untuk mengenali faktor-faktor yang menyebabkan ketidakstabilan berbahaya ini, maka sistem dapat dioptimalkan tanpa mengalami satupun edge burst.

Kolemen mengatakan penelitian yang dilakukan saat ini merupakan contoh lain dari potensi AI untuk mengatasi hambatan yang sudah lama ada dalam pengembangan tenaga fusi sebagai sumber energi ramah lingkungan. Sebelumnya, peneliti yang dipimpin oleh Kolemen berhasil menerapkan pengontrol AI terpisah untuk memprediksi dan menghindari jenis ketidakstabilan plasma lainnya secara real time di tokamak DIII-D.

“Untuk banyak tantangan yang kami hadapi dengan fusi, kami telah sampai pada titik di mana kami tahu bagaimana mendekati suatu solusi namun kemampuan kami untuk mengimplementasikan solusi tersebut terbatas karena kompleksitas komputasi alat tradisional kami,” kata Kolemen . “Pendekatan pembelajaran mesin ini telah membuka cara-cara baru untuk menghadapi tantangan fusi yang terkenal ini.”

Referensi: “Kinerja Fusi Suhu Meskipun Ada Beberapa Konservasi Energi” oleh SK Kim, R. Shousha, SM Yang, Q. Hu, SH Hahn, A. Jalalvand, J.-K. Ukuran, NC Logan, AO Nelson, Y.-S. Na, R. Nazikian, R. Wilcox, R. Hong, T. Rhodes, C. Paz-Soldan, Y. Jeon, M. Kim, W. Ko, J. Lee, A. Battey, G. Yu, A. Bortolon, JS Snipes dan E. Colemen, 11 Mei 2024, Komunikasi Alam.
DOI: 10.1038/s41467-024-48415-w

Kertas, “Performa fusi tertinggi tanpa semburan energi tepi yang berbahaya di tokamak,” diterbitkan 11 Mei di Nature Communications. Selain Kolemen, Kim dan Shousha, rekan penulis termasuk SM Yang, Q. Hu, A. Bortolon, dan J. Snipes dari PPPL; A. Jalalvand dari Universitas Princeton; SH Han, YM Jeon, MW Kim, WH Ko, dan JH Lee dari Korea Fusion Energy Institute; J.-K. Park dan Y.-S. Dari Universitas Nasional Seoul; Logan NC, Nelson AO, Peace-Soldan C, dan A Battey dari Universitas Columbia; R. Nazikian dari General Atomics; R. Wilcox dari Laboratorium Nasional Oak Ridge; R. Hong dan T. Rhodes dari Universitas California, Los Angeles; dan G. Yu dari Universitas California, Davis. Pekerjaan ini didukung oleh Departemen Energi AS, National Research Foundation of Korea, dan Korea Institute of Fusion Energy.

Related articles

Recent articles

spot_img