核聚变研究的新篇章

PPPL主任史蒂夫·考利(Steve Cowley)在谈到发表在最新一期《自然》杂志上的研究结果时说:“这项研究为为地球带来无限能源的努力开辟了一个充满希望的新篇章。”“人工智能在各个科学领域爱博网投官方网站都呈爆炸式增长，现在它开始为全球对核聚变能源的追求做出贡献。”

驱动太阳和恒星的聚变是轻元素以等离子体形式的聚变——等离子体是由自由电子和原子核组成的物质的热带电状态——产生能量。科学家们正在寻求在地球上复制核聚变，以获得充足的电力供应。

证明深度学习预测中断(等离子体粒子和能量的突然失去限制)的能力至关重要的是，可以访问两个主要聚变设施提供的庞大数据库:通用原子公司在加州为美国能源部运营的DIII-D国家聚变设施，是美国最大的设施，以及英国的欧洲联合环体(JET)，是世界上最大的设施，由欧洲聚变联盟(欧洲聚变能源发展联盟)管理。JET和DIII-D科学家的支持对这项工作至关重要。

庞大的数据库能够可靠地预测托卡马克上的干扰，而不是系统训练的对象——在这种情况下，从较小的DIII-D到较大的JET。这一成就预示着ITER的中断，ITER是一个更大、更强大的托卡马克，将不得不应用在今天的聚变设施上学到的能力。

这种深度学习代码被称为融合递归神经网络(FRNN)，也为控制和预测中断开辟了可能的途径。

科学发展中最有趣的领域

“人工智能是目前科学发展爱博网投官方网站中最有趣的领域，将它与融合科学结合是非常令人兴奋的，”PPPL的首席研究物理学家比尔·唐(Bill Tang)说，他是该论文的合著者，也是普林斯顿大学天体物理科学系教授的讲师，负责监督人工智能项目。“我们已经加快了对清洁核聚变能源最危险挑战的高精度预测能力。”

与传统软件执行规定的指令不同，深度学习从错误中学习。完成这个看似神奇的是神经网络，互联节点层——数学算法——被“参数化”，或被程序加权，以形成所需的输出。对于任何给定的输入，节点寻求产生指定的输出，例如正确识别人脸或准确预测中断。当节点无法完成此任务时，就会开始训练:权重会自动调整自己以获取新数据，直到获得正确的输出。

深度学习的一个关键特征是它能够捕获高维数据而不是一维数据。例如，非深度学习软件可能考虑等离子体在单个时间点的温度，而FRNN考虑的是温度在时间和空间上的发展曲线。“深度学习方法从如此复杂的数据中学习的能力，使它们成为颠覆预测任务的理想候选者，”合作者朱利安·凯特-哈贝克(Julian Kates-Harbeck)说，他是哈佛大学物理学研究生，也是美国能源部科学办公室计算科学研究生，是《自然》论文的主要作者，也是代码的总架构师。

训练和运行神经网络依赖于图形处理单元(gpu)，这是最初设计用于渲染3D图像的计算机芯片。这种芯片非常适合运行深度学习应用程序，并被公司广泛用于生产人工智能功能，如自动驾驶汽车理解口语和观察路况。

凯特-哈贝克用从JET和DIII-D收集的超过2tb(1012)的数据训练了FRNN代码。在普林斯顿大学(Princeton University)的Tiger现代gpu集群上运行该软件后，该团队将其放置在橡树岭领导计算设施(Oak Ridge Leadership Computing Facility)、美国能源部科学用户设施办公室(DOE Office of Science User Facility)和其他高性能机器上的超级计算机Titan上。

艰巨的任务

将网络分布到许多计算机上是一项艰巨的任务。“训练深度神经网络是一个计算密集型问题，需要高性能计算集群的参与，”Alexey Svyatkovskiy说，他是《自然》杂志那篇论文的合著者之一，曾帮助将算法转化为生产代码，现在在微软工作。“我们把整个神经网络的副本放在许多处理器上，以实现高效的并行处理，”他说。

该软件进一步证明了其在ITER所需的30毫秒时间框架内预测真正中断的能力，同时减少了假警报的数量。该代码现在正在接近ITER的要求，即95%的预测正确，错误警报少于3%。虽然研究人员说，只有现场实验操作才能证明任何预测方法的优点，但他们的论文指出，预测中使用的大型档案数据库“涵盖了广泛的操作场景，因此为论文中考虑的方法的相对优势提供了重要的证据。”

从预测到控制

下一步将从预测转向对干扰的控制。凯特-哈贝克说:“与其在最后一刻预测干扰，然后减轻干扰，我们更理想地使用未来的深度学习模型，轻轻地引导等离子体远离不稳定的区域，目的是首先避免大多数干扰。”迈克尔·扎恩斯托夫(Michael Zarnstorff)最近从PPPL的研究副主任升任该实验室的首席科学官，这是他下一步工作的重点。扎恩斯托夫指出:“控制对于后iter托卡马克来说至关重要——避免干扰将是一个基本要求。”

从人工智能的准确预测到现实的等离子体控制，需要不止一个学科。唐说:“我们将把深度学习与高性能计算机上的基本第一线物理原理结合起来，研究燃烧等离子体的现实控制机制。”所谓控制，指的是知道打开托卡马克的哪些“旋钮”来改变条件以防止中断。这是我们的目标，也是我们前进的方向。”

这项工作的支持来自美国能源部科学和国家核安全管理局办公室的能源部计算科学研究生奖学金计划;普林斯顿大学计算科学与工程研究所(PICsiE);以及PPPL提供的实验室指导研究和开发基金。作者希望感谢PICSciE的Bill wicchser和Curt Hillegas在高性能超级计算方面的帮助;橡树岭领导计算设施的Jack Wells;东京工业大学的Matsuoka和Yokata;以及英伟达公司的汤姆·吉布斯。