ИИ ускорит получение бесконечной термоядерной энергии |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2019-04-20 14:00 Большой шаг в этом направлении сделали американские физики, впервые применившие метод глубокого обучения для прогнозирования внезапных помех, способных остановить реакцию синтеза и повредить токамаку. Реакция термоядерного синтеза, имитирующая процессы, происходящие внутри звезд, может стать источником бесконечной энергии для человечества. Исследование, проведенное специалистами из Принстонского университета и Министерства энергетики США, «открывает новую главу» в поисках решения этой задачи, пишет Phys.org. Важным условием способности глубокого обучения прогнозировать помехи в удержании плазмы стал доступ к огромной базе данных, который предоставили два крупнейших научных учреждения: центр ядерного синтеза DIII-D National Fusion Facility в США и Объединенный европейский токамак JET в Великобритании. Эти сведения позволяют ИИ точно предсказывать сбои на токамаках различных размеров, в том числе, подойдут и для строящегося ITER, мощного реактора, который должен вплотную приблизить человечество к получению энергии ядерного синтеза. В отличие от традиционного ПО, выполняющего заложенные инструкции, искусственные нейронные сети с алгоритмами глубокого обучения извлекают опыт из ошибок. Они способны обрабатывать многоуровневые данные, например, изменение температуры плазмы во времени и пространстве, и выявлять скрытые связи. Исследователи обучили нейросеть FRNN с помощью более чем двух терабайт данных, полученных от DIII-D и JET. Для этого потребовался суперкомпьютер Titan, принадлежащий Министерству энергетики, и несколько других высокопроизводительных машин. Алгоритм показал способность прогнозировать нарушения в пределах 30 секунд, что укладывается в требования ITER, и приближается к порогу в 95% корректных предсказаний и менее 3% ложных-положительных результатов. Следующим шагом станет переход от предсказаний к контролю над помехами. В идеале нейросеть должна «научиться» аккуратно направлять плазму прочь от регионов нестабильности. Ранее ученые из Принстона открыли процесс стабилизации термоядерной плазмы. Они обнаружили так называемые разрывные моды — участки нестабильности в плазме, которые создают магнитные острова и приводят к повреждениям токамака. Источник: hightech.plus Комментарии: |
|