El Laboratorio de Enérgica de Láser (LLE) de la Universidad de Rochester está equipado con el Omega Laser, la instalación académica de láser principal del mundo. De un vistazo, parece una elaborada pista de mármol de partículas de luz y plasma, capaz de dividir y amplificar una viga antes de enfocarla en un pequeño objetivo de color de punto. Su misión principal es explorar fenómenos astrofísicos, probar materiales a presiones extremas a escala atómica y trabajar para avanzar en la investigación de fusión disruptiva.
Gracias a una subvención de $ 503 millones hasta 2024 de la Administración Nacional de Seguridad Nuclear del Departamento de Energía de los Estados Unidos (DOE), el Laboratorio de Láser de Rochester ha creado condiciones ideales para realizar estos estudios críticos. El laboratorio láser realiza experimentos complejos de fusión una vez al mes, y los científicos tienen alrededor de cinco oportunidades para disparar láseres y datos registrados. A través de simulaciones de computadoras de campo multihísica, los científicos pueden obtener una comprensión más profunda del plasma de fusión, diseñar experimentos e interpretar los resultados, a pesar de que estas simulaciones no pueden reproducir completamente todos los detalles experimentales.
El experimento comenzó con una cápsula de plástico que contiene tritio de Deuterium congelado, solo milímetros de diámetro, a una temperatura de 20 grados por encima del cero absoluto ", dijo el director de LLE Christopher Deeney. Luego, en mil millones de segundo, la cápsula se comprime a una Diámetro más pequeño que un hilo de cabello humano y la temperatura aumenta a más de 30 millones de grados ". Este proceso no solo requiere un conocimiento profundo de la física, sino que también se deben utilizar técnicas de diagnóstico avanzadas para medir en detalle todos los fenómenos que ocurren en este instante.
Para capitalizar la riqueza de los datos recopilados por estas técnicas de diagnóstico avanzadas y acelerar la investigación de fusión estadounidense más ampliamente, los científicos están recurriendo a la inteligencia artificial (IA) y otras tecnologías computacionales avanzadas.
Durante más de 50 años, LLE ha estado promoviendo y abordando activamente los desafíos centrales en el campo de la fusión de confinamiento inercial (ICF). ICF es ampliamente reconocido en la comunidad científica como el enfoque más prometedor para lograr la fusión termonuclear controlada y representa una tecnología de energía limpia y renovable prometedora.
Christopher Kanan, profesor asociado de ciencias de la computación en la Universidad de Rochester, explica: "El ICF es esencialmente un problema de física inversa, donde los científicos necesitan inverso las propiedades precisas del láser y el objetivo".
Omega en sí no fue diseñado para lograr la ignición, sino para avanzar en la comprensión de la fusión de tracción directa impulsada por láser. El centro de encendido nacional en el Laboratorio Nacional Livermore, que es 60 veces más enérgico que Omega, ha encontrado una solución al problema de física inversa y ya ha logrado la ignición en 2022. Tanto el progreso realizado en Omega como el logro de la ignición se basan en el modelado estadístico. Para llenar los vacíos en nuestra comprensión completa de la física.
La brecha de conocimiento que existe entre simulaciones y experimentos proviene de la complejidad de la física, las limitaciones de las mediciones y el alcance amplio del esfuerzo de investigación, que incluye física nuclear, física de plasma e investigación de ciencia de materiales realizadas en condiciones extremas que desafían incluso Los códigos de computadora más avanzados.
Primero, está la cuestión del objetivo; El experimento comienza con una esfera de plástico hueco que se puede colocar en la punta de un pasador; Los investigadores de LLE usan herramientas de precisión para crear la esfera y llenarla con isótopos de hidrógeno, que luego se enfrían a cero casi absoluto. El proceso de congelación provocó que el hidrógeno formara una capa de hielo dentro de la carcasa de plástico.
El equipo de investigación de LLE está buscando una manera de detectar con precisión los matices y patrones en los datos como un medio para guiar simulaciones por computadora para producir predicciones más precisas. Esta capacidad predictiva mejorada a su vez refinará los experimentos de fusión e impulsará la próxima generación de investigación de fusión y tecnología láser.
La inteligencia artificial, y en particular su aprendizaje automático subfield, puede ayudar a optimizar la eficacia predictiva de los códigos de computadora y mejorar las predicciones a través de la experiencia. El aprendizaje automático no solo realiza análisis predictivos, sino que también procesa datos, infiere relaciones e aplica este conocimiento a sus funciones.
Riccardo Betti, el científico jefe de LLE y profesor de Robert L. McCrory en el Departamento de Ingeniería Mecánica y el Departamento de Física y Astronomía de la Universidad de Rochester, señaló: "Ahora tenemos una gran cantidad de datos experimentales que, con la ayuda de la ayuda de El aprendizaje automático puede usarse para corregir simulaciones y guiar los ajustes en tiempo real a los experimentos.
El trabajo de investigación de Betti y Kanan se basa en avances recientes en inteligencia artificial generativa, una técnica de IA que genera datos y otras formas de producción, como texto y video. El equipo de investigación de la Universidad de Rochester está utilizando estos algoritmos avanzados para resolver problemas de física inversos para mejorar la precisión de las simulaciones. El programa Fusion Energy Sciences (FES) del Departamento de Energía de los Estados Unidos ha proporcionado casi $ 3 millones en apoyo de financiación para esta investigación, que se espera que se complete para 2026.
Riccardo Betti agregó: "Nuestro objetivo es mejorar las predicciones de simulación con la ayuda de la IA generativa e inferir con precisión las propiedades de las interacciones con el objetivo láser. Estamos aprovechando el poder de la IA para acelerar el futuro de la tecnología de fusión".
El Dr. Varchas Gopalaswamy, científico del departamento de teoría de LLE y profesor asistente de ingeniería mecánica, afirma: "Una vez que percibimos una discrepancia entre las predicciones de simulación y los resultados experimentales, podemos aplicar el aprendizaje automático para conciliar los dos". Además, explica: "Si una variable cambia en el experimento, ¿puede la simulación responder en consecuencia? ¿Se reflejará esa respuesta en el experimento? Esto validará la precisión de nuestra hipótesis y determinará si podemos ajustar la variable o desarrollar una estrategia de mitigación en consecuencia. " Gopalaswamy agregó: "Con el análisis más profundo de los patrones más profundos de Machine Learning en los datos, pudimos formular nuevas hipótesis, explorar diferentes fenómenos físicos y diseñar mejores experimentos".
Gopalaswamy también señaló: "Uno de los desafíos de confrontar ICF es que los datos experimentales de fusión que utilizamos para entrenar la IA fueron relativamente limitados en comparación con la enorme base de datos de las imágenes de CAT. En este caso, es particularmente difícil utilizar los datos empíricos disponibles. Para cerrar la brecha de conocimiento.
La American Physical Society ha reconocido el trabajo de Betti, Gopalaswamy y otros científicos con el Premio John Dawson a la Excelencia en la Investigación de Física de Plasma para sus logros pioneros en la predicción, el diseño y el análisis de experimentos de implosión con el láser de 30 kJ omega.
La investigación de inteligencia artificial y aprendizaje automático en el Laboratorio de Láser de Rochester también ha contribuido a una serie de descubrimientos de Dustin Froula, director de la División de Ciencia e Ingeniería de Láser de Plasma y Ultrafast, y su equipo. En el transcurso de su carrera, Froula y su equipo han desarrollado una variedad de técnicas, incluida una para medir la temperatura del plasma a través de la dispersión de Thomson, e incluso han roto un nuevo terreno en técnicas de "enfoque de mosca" o controlar la intensidad del láser a largas distancias. Y el aprendizaje automático está revolucionando la forma en que diseñamos experimentos, permitiéndonos construir mejores láseres mientras imaginamos instalaciones de próxima generación ". Explica además," los láseres se han utilizado de varias maneras. Además, explica: "Múltiples colores en el espectro del haz láser ayudará a que el plasma se propague a través del haz de manera más eficiente, y la IA nos ayuda a comprender las interacciones complejas entre estos diferentes colores y el plasma".
Finalmente, el Centro de Investigación de Fusión Nuclear del Departamento de Energía ha dado a LLE la designación de un centro de investigación nacional diseñado para avanzar en la energía de fusión inercial (IFE), una tecnología prometedora de energía limpia que se basa en la fusión de átomos de hidrógeno pesado (Deuterio y tritio) para producir energía.
Confiando en las fortalezas de investigación interdisciplinarias de la Universidad de Rochester, LLE ha reclutado con éxito a varios estudiantes para mejorar la aplicación de inteligencia artificial y aprendizaje automático en la investigación convergente.
Según Gopalaswamy, "nuestro objetivo es inspirar a los estudiantes con una pasión continua por el aprendizaje automático para mejorar aún más la precisión de nuestras herramientas de diagnóstico. De hecho, necesitamos expertos en IA. Sin embargo, el papel de los físicos es indispensable para garantizar que los modelos sean correctos correctos y científicamente sólido.
Agregó: "A medida que la nación pasa a la energía limpia y al poder sostenible, la aplicación de IA en la investigación de fusión es prometedora y podría convertirse en un campo de fuerza laboral emergente".
Valeri Goncharov, director de la División Teoría de LLE y profesor asistente de investigación en el Departamento de Ingeniería Mecánica, señaló: "La inteligencia artificial es una herramienta importante para guiar nuestra investigación. Al optimizar estas herramientas, podemos mejorar nuestros resultados de investigación. Mientras estas herramientas facilitan la investigación , la fuerza impulsora para la innovación aún se deriva de nuestra inteligencia.
