最新的等离子体加热人工智能(AI)模型展现出超出以往的能力，不仅在保持精确度的同时将预测速度提升了1000万倍，还能在原始数值代码失效的情况下准确预测等离子体加热。这些模型将在10月11日于亚特兰大举行的第66届美国物理学会等离子体物理分会年会上首次发布。
美国能源部普林斯顿等离子体物理实验室(PPPL)的副研究物理学家Álvaro Sánchez-Villar表示：“通过我们的智能，我们能够训练人工智能，超越现有数值模型的局限。”Sánchez-Villar是《核聚变》杂志上关于此项研究的一篇新文章的主要作者，这项研究是一个跨越五个研究机构的项目的一部分。
这些模型利用机器学习技术，旨在预测在聚变实验中应用离子回旋加速器频率范围(ICRF)加热时，等离子体中电子和离子的行为。这些模型是基于计算机代码生成的数据进行训练的。尽管大部分数据与以往结果一致，但在某些极端情况下，数据却与预期不符。
Sánchez-Villar指出：“我们观察到一种参数化状态，在这种状态下，加热剖面在任意位置出现不稳定的峰值。”他表示：“没有任何物理解释能够解释这些异常。”
Sánchez Villar从训练集中识别并剔除了有问题的数据，即所谓的异常值，以便训练他们的人工智能，因为这些场景并不符合物理规律。Sánchez Villar说：“通过消除训练数据集中的峰值，我们能够偏见我们的模型，依然可以预测物理现象。”
“可以观察到，代码成功消除了尖峰，但预计高亮区域的温度会更高。然而，没有任何保证这些预测是准确的。”
随后，团队进一步深入研究。经过几个月的努力，Sánchez Villar发现并解决了数值模型的一个限制，并对最初显示随机峰值的异常情况运行了修正版本的代码。
他不仅发现解决方案在所有有问题的情况下都没有峰值，令人惊讶的是，这些解决方案几乎与几个月前预测的一个机器学习模型中的解决方案相同，甚至在关键的异常情况下也是如此。
“这意味着，实际上，我们的代理实现相当于修复了原始代码，只是基于对数据的精细管理，”Sánchez-Villar说。“就像每一项技术一样，通过智能使用，人工智能不仅可以帮助我们更快、更好地解决问题，还能克服人类自身的局限。”
正如预期，该模型还显著提高了ICRF加热的计算速度。这些时间从大约60秒减少到2微秒，且在不显著影响准确性的情况下实现了更快的模拟。这一进步将帮助科学家和工程师探索将核聚变转化为实用能源的最佳途径。
本文来自作者[宏旺]投稿，不代表机制号立场，如若转载，请注明出处：https://m.jzwrb.cn/cshi/202508-4882.html
评论列表（4条）
我是机制号的签约作者“宏旺”！
希望本篇文章《创新等离子体加热AI模型显著提升核聚变研究计算机代码的效率》能对你有所帮助！
本站[机制号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览： 最新的等离子体加热人工智能(AI)模型展现出超出以往的能力，不仅在保持精确度的同时将预测速度提升了1000万倍，还能在原始数值代码失...