머신러닝은 핵융합로의 "난류 추적"을 용이하게 합니다.

Jan 20, 2024

MIT 뉴스 오피스 웹사이트에서 다운로드할 수 있는 이미지는 Creative Commons Attribution Non-Commercial No Derivatives 라이센스에 따라 비영리 단체, 언론 및 일반 대중에게 제공됩니다. 제공된 이미지를 크기에 맞게 자르는 것 외에는 변경할 수 없습니다. 이미지를 복제할 때는 크레디트 라인을 사용해야 합니다. 아래에 제공되지 않은 경우 이미지를 "MIT"로 표시하십시오.

이전 이미지 다음 이미지

태양에 전력을 공급하는 것과 동일한 프로세스를 사용하여 실질적으로 무제한의 무탄소 에너지를 약속하는 융합은 기후 변화 완화에 도움이 될 수 있는 세계적인 연구 노력의 핵심입니다.

여러 분야의 연구자로 구성된 팀이 이제 이러한 노력을 지원하기 위해 기계 학습의 도구와 통찰력을 제공하고 있습니다. MIT와 다른 곳의 과학자들은 컴퓨터 비전 모델을 사용하여 핵융합 반응을 촉진하는 데 필요한 조건에서 나타나는 난류 구조를 식별하고 추적했습니다.

필라멘트 또는 "블롭"이라고 불리는 이러한 구조의 형성과 움직임을 모니터링하는 것은 반응 연료에서 나오는 열과 입자 흐름을 이해하는 데 중요하며, 이는 궁극적으로 이러한 흐름을 충족하기 위한 원자로 벽의 엔지니어링 요구 사항을 결정합니다. 그러나 과학자들은 일반적으로 집계 통계를 위해 개별 구조의 세부 정보를 교환하는 평균화 기술을 사용하여 얼룩을 연구합니다. 개별 Blob 정보는 비디오 데이터에 수동으로 표시하여 추적해야 합니다.

연구원들은 이 프로세스를 더욱 효과적이고 효율적으로 만들기 위해 플라즈마 난류에 대한 합성 비디오 데이터 세트를 구축했습니다. 그들은 이를 사용하여 각각 얼룩을 식별하고 추적하는 4개의 컴퓨터 비전 모델을 훈련했습니다. 그들은 인간과 동일한 방식으로 얼룩을 찾아내도록 모델을 훈련시켰습니다.

연구원들이 실제 비디오 클립을 사용하여 훈련된 모델을 테스트했을 때 모델은 어떤 경우에는 80% 이상의 높은 정확도로 얼룩을 식별할 수 있었습니다. 모델은 또한 얼룩의 크기와 움직이는 속도를 효과적으로 추정할 수 있었습니다.

단 한 번의 융합 실험 동안 수백만 개의 비디오 프레임이 캡처되므로 기계 학습 모델을 사용하여 얼룩을 추적하면 과학자에게 훨씬 더 자세한 정보를 제공할 수 있습니다.

"이전에는 이러한 구조가 평균적으로 수행하는 작업에 대한 거시적인 그림을 얻을 수 있었습니다. 이제 우리는 한 번에 하나의 이벤트를 분석할 수 있는 현미경과 계산 능력을 보유하고 있습니다. 한 걸음 물러서면 이것이 보여주는 것은 사용 가능한 힘입니다. MIT 플라즈마 과학 및 융합 센터의 연구 과학자이자 이러한 접근 방식을 자세히 설명하는 논문의 공동 저자인 Theodore Golfinopoulos는 이러한 기계 학습 기술과 이러한 계산 리소스를 사용하여 발전을 이루는 방법을 설명합니다.

그의 동료 공동 저자로는 물리학 박사 과정을 밟고 있는 수석 저자인 "해리" 한웅희(Wonghee "Harry" Han); 선임 저자인 Iddo Drori는 컴퓨터 과학 및 인공 지능 연구소(CSAIL)의 객원 교수이자 보스턴 대학교 부교수이자 컬럼비아 대학교 부교수입니다. MIT 플라즈마 과학 및 융합 센터, MIT 토목 및 환경 공학부, 스위스 로잔에 있는 스위스 연방 기술 연구소의 다른 사람들도 있습니다. 이 연구는 오늘 네이처 사이언티픽 리포트(Nature Scientific Reports)에 게재되었습니다.

물건을 데우고

70년 이상 동안 과학자들은 제어된 열핵융합 반응을 사용하여 에너지원을 개발하려고 노력해 왔습니다. 핵융합 반응에 필요한 조건에 도달하려면 연료를 섭씨 1억도 이상의 온도로 가열해야 합니다. (태양의 중심온도는 섭씨 1,500만도 정도이다.)

플라즈마라고 불리는 이 초고온 연료를 담는 일반적인 방법은 토카막을 사용하는 것입니다. 이러한 장치는 매우 강력한 자기장을 활용하여 플라즈마를 제자리에 유지하고 플라즈마의 배기열과 반응기 벽 사이의 상호 작용을 제어합니다.