普林斯顿大学的科学家团队已经开发了新的密码，使人工智能能够开发几乎无限的核聚变能量。新代码融合递归神经网络(FRNN)将深度学习应用于世界上最大的核能设施中的一对全面的数据库。这些设施包含有关聚变能源开发中发生的破坏的详细数据的历史日志。新的FRNN已展示出将这些破坏降低到几乎为零的能力，为核能的生产提供了无限的能力。
在对数据集进行深度学习之后，FRNN可以可靠地预测托卡马克中发生的破坏和破坏性事件。
人工智能深度学习可大幅提高核能生产效率
托卡马克是苏联于1960年代发明的，是最先进的核能发电机。托卡马克是一种使用磁场捕获热等离子体的磁性限制装置。两个磁场线圈(环形和多极形)将等离子体捕获在垂直和水平磁场中，对热等离子体进行整形并使其远离机器壁。捕获在真空容器中的等离子体通过抽烟和强电流而变得生动。从那里开始，施加三个热能源以最终产生足够的热量以产生聚变。中性氢原子高速注入等离子体。随着速度变慢，它们将能量转移到等离子体。其次，使用变压器和中央电磁线圈感应等离子体电流。
最后，使用外部线圈施加射频加热，该线圈在能量吸收非常高的情况下传递振荡电流。有了足够的热能，会发生聚变，这一过程中两个氢原子融合成一个氦原子。熔融氢中剩余的质量转化为能量。这类似于为太阳提供动力的过程。现在，科学家们正在依靠机器人来理解过程的复杂性，并使能源生产更加高效。新的FRNN将负责检测等离子体的大规模不稳定性。这些不可预测的不稳定性会导致磁性限制的迅速和完全丧失。AI通过筛选先前血浆不稳定性的数据来预测这些破坏的未来发生。通过这样做，人工智能将帮助科学家调整过程以产生更有效的核能生产。
该原型已经从General Atomics在圣地亚哥的能源部运营的DIII-D数据以及EUROfusion在英国运营的JET的数据中获得了成功。该设施是世界上同类设施中最大的。FRNN在计算空间和时间信息以预测中心结构等离子体的破坏方面显示出空前的准确性和速度。这些预测可以防止对聚变反应堆的损害并减轻使聚变反应停止的破坏。
对于那些与AI进步有关的人来说，最紧迫的问题是：代码是否将允许机器人主动优化和控制反应堆?
免责声明：本文由用户上传，如有侵权请联系删除！