เกิดอะไรขึ้น
The Economic Times อ้างจาก Reuters รายงานว่านักวิจัยจากมหาวิทยาลัยพรินซ์ตันและห้องปฏิบัติการฟิสิกส์พลาสมาพรินซ์ตันของกระทรวงพลังงานสหรัฐฯ ทดสอบ PACMAN ซึ่งเป็นเฟรมเวิร์กการควบคุมที่ใช้ AI สำหรับการทดลองฟิวชั่น ในโทคามัก DIII-D ระบบจะวิเคราะห์สัญญาณพลาสมา ทำการตัดสินใจในการควบคุมภายในเวลาประมาณ 20 มิลลิวินาที และคาดการณ์ความไม่เสถียรของโหมดการฉีกขาดที่เป็นอันตรายครั้งหนึ่งประมาณ 200 มิลลิวินาทีก่อนที่มันจะปรากฏขึ้น แหล่งข่าวกล่าวว่า PACMAN ได้ปรับสภาวะพลาสมาเพื่อป้องกันการหยุดชะงัก
The Economic Times อ้างอิงถึง Reuters รายงานว่า PACMAN ย่อมาจาก Prediction And Control โดยใช้การเรียนรู้ของ MAchiNe แทนที่จะพึ่งพาโมเดลเดียว ระบบจะรวมเอาตัวทำนาย ตัวควบคุม และส่วนประกอบการควบคุมอื่นๆ ของแมชชีนเลิร์นนิงเข้าด้วยกัน กรอบการทำงานจะประมวลผลการวัดที่เกี่ยวข้องกับอุณหภูมิพลาสมา ความหนาแน่น และสภาวะแม่เหล็กอย่างต่อเนื่อง จากนั้นจะกำหนดว่า Tokamak ควรตอบสนองอย่างไร โดยทั่วไปวงจรควบคุมที่รายงานจะดำเนินการภายในเวลาประมาณ 20 มิลลิวินาที
นักวิจัยได้ติดตั้ง PACMAN บนเครื่อง tokamak แห่งชาติ DIII-D ในซานดิเอโก และทำการทดลอง 5 ครั้งซึ่งครอบคลุมงานควบคุมหลายอย่าง ตามแหล่งที่มา สิ่งเหล่านี้รวมถึงการทำงานของระบบทำความร้อนด้วยการเรียนรู้การเสริมแรง การทำนายการระเบิดของพลังงานจากขอบพลาสมา การควบคุมคลื่นที่ขับเคลื่อนด้วยอนุภาคเร็ว และการปรับความหนาแน่นและการหมุนของพลาสมา
ในการทดสอบโหมดการฉีกขาด แหล่งข่าวรายงานว่า PACMAN คาดการณ์ความไม่เสถียรประมาณ 200 มิลลิวินาทีก่อนที่จะเกิดขึ้น และเปลี่ยนสภาวะของพลาสมาเพื่อป้องกันไม่ให้เกิดการพัฒนา ระบบยังประสานไจโรตรอน 6 ตัวเพื่อปรับกำลังไมโครเวฟและตำแหน่งกระจกแบบเรียลไทม์ แหล่งที่มาไม่ได้ให้ผลการทดสอบอิสระนอกเหนือจากการทดลองที่รายงาน และไม่ได้บันทึกการเข้าถึงหรือการกำหนดราคาของสาธารณะ นี่เป็นการนำการวิจัยไปใช้ใน tokamak โดยเฉพาะ
รายละเอียดที่มา: m.economictimes.com ↗
ทำไมมันถึงสำคัญ
พลาสมาที่เสถียรเป็นความท้าทายหลักสำหรับการวิจัยฟิวชัน เนื่องจากการรบกวนสามารถเติบโตได้เร็วกว่าที่ผู้ปฏิบัติงานของมนุษย์จะสามารถตอบสนองได้ การทดสอบที่รายงานระบุว่าการเรียนรู้ของเครื่องสามารถรองรับการควบคุมเชิงคาดการณ์แบบเรียลไทม์ แทนที่จะวิเคราะห์ข้อมูลการทดลองเพียงอย่างเดียวในภายหลัง ซึ่งสามารถช่วยนักวิจัยดำเนินการโทคามัคที่ซับซ้อนมากขึ้นได้ แต่ไม่ได้แสดงให้เห็นถึงพลังฟิวชั่นเชิงพาณิชย์หรือพิสูจน์ว่าแนวทางนี้จะใช้ได้กับเครื่องจักรและสภาพการทำงานอื่นๆ
ปฏิกิริยาฟิวชันต้องการให้พลาสมายังคงร้อนจัด หนาแน่น และเสถียร แหล่งข่าวกล่าวว่าตัวควบคุมแบบเดิมมักตอบสนองหลังจากความไม่เสถียรเริ่มขึ้น ในขณะที่ PACMAN พยายามระบุสัญญาณเตือนเร็วพอที่จะเข้าไปแทรกแซง วิธีการควบคุมเชิงคาดการณ์ที่ประสบความสำเร็จสามารถช่วยให้นักวิจัยมีเวลามากขึ้นในการปกป้องการทดลองและติดตามเป้าหมายการดำเนินงานที่ซับซ้อนมากขึ้น
ความหมายเชิงปฏิบัติส่วนใหญ่มีไว้สำหรับการวิจัยฟิวชั่นและการพัฒนาระบบควบคุม ไม่ใช่การเข้าถึงพลังงานในเชิงพาณิชย์หรือของผู้บริโภคในทันที แหล่งข่าวกล่าวว่าการเพิ่มโมเดลใหม่ใช้เวลาหลายวันหลังจากสร้างเฟรมเวิร์กเริ่มต้น ซึ่งอาจทำให้รอบการทดลองสั้นลง อย่างไรก็ตาม รายงานไม่ได้ระบุว่า PACMAN สามารถรักษาฟิวชันที่เสถียรสำหรับการผลิตไฟฟ้า ลดต้นทุนเครื่องปฏิกรณ์โดยรวม หรือมีประสิทธิภาพเหนือกว่าวิธีการควบคุมแบบเดิมๆ ทั้งหมด
กลไกเชิงโต้ตอบ: มันทำงานอย่างไร
สำรวจเทคโนโลยีเบื้องหลังการพัฒนานี้แบบโต้ตอบ
A route planner searches possible journeys using explicit rules. What does this illustrate about AI?
จะดูอะไรต่อไป.
การทดสอบเพิ่มเติมจะต้องแสดงให้เห็นว่า PACMAN สรุปภาพรวมของ tokamak สภาวะของพลาสมา และความไม่เสถียรประเภทต่างๆ หรือไม่ แหล่งข่าวยังกล่าวอีกว่ากรอบงานไม่เหมาะสำหรับเหตุการณ์ที่พัฒนาในช่วงเวลาต่ำกว่ามิลลิวินาที ข้อจำกัดด้านความปลอดภัยยังคงเป็นสิ่งสำคัญ เนื่องจากคำสั่งที่ AI แนะนำจะถูกตรวจสอบกับข้อจำกัดของฮาร์ดแวร์ก่อนที่จะถูกส่งไปยังเครื่อง
หลักฐานสำคัญถัดไปคือการจำลองแบบข้าม tokamak และระบอบการปกครองของพลาสมาที่แตกต่างกัน พร้อมด้วยผลลัพธ์สำหรับประเภทความไม่เสถียรเพิ่มเติม แหล่งที่มาระบุอย่างชัดเจนว่าระดับเวลาปฏิบัติการระดับมิลลิวินาทีของ PACMAN อาจไม่สามารถรองรับปรากฏการณ์ที่พัฒนาในเวลาน้อยกว่าหนึ่งมิลลิวินาที
นักวิจัยยังจะต้องประเมินความน่าเชื่อถือ โหมดความล้มเหลว และข้อจำกัดด้านความปลอดภัยที่เกี่ยวข้องกับคำสั่งอัตโนมัติ ตามแหล่งที่มา นักวิทยาศาสตร์กำหนดวัตถุประสงค์ ฮาร์ดแวร์จำกัดการกระทำ และนักวิจัยตรวจสอบผลลัพธ์ รายงานไม่ได้ระบุว่าระบบทำงานอย่างไรภายใต้ความล้มเหลวของเซ็นเซอร์ที่ไม่คาดคิด การเปลี่ยนแปลงการกระจาย หรือสภาวะภายนอกข้อมูลการฝึก