AI工具GyroSwin实现聚变模拟千倍加速
摘要
英国原子能机构、林茨开普勒大学和Emmi AI团队联合开发出名为GyroSwin的人工智能工具，可将等离子体湍流模拟速度提升至传统方法的1000倍。该工具通过AI学习五维回旋动力学模拟，在秒级完成原本需数日的计算，且能保持关键物理信息的完整性。这项突破性技术有望显著加速聚变发电站的设计优化进程，特别是应用于英国STEP球形托卡马克等项目时，可处理数百万次模拟需求。
来自英国原子能机构(UK Atomic Energy Authority)、林茨开普勒大学(Johannes Kepler University Linz)和Emmi AI的科学家团队开发了一款名为GyroSwin的人工智能工具，其创建仿真的速度比传统计算方法快1000倍。
磁约束核聚变被认为是实现可持续、零碳排放能源供应的有前景技术。然而，要实现聚变，机器需要使用强大的磁体在极端温度下约束等离子体。管理等离子体内的湍流是聚变的关键挑战，因此需要对其进行精确建模。
等离子体科学家依赖最先进的数值仿真，使用五维(5D)回旋动力学方法，包括三个空间维度加上两个额外维度，用于考虑等离子体内粒子的平行和垂直速度。这种5D方法需要巨大的超级计算能力。传统仿真速度极慢且计算成本高昂，显著延长了设计和开发周期。此前，计算方法通过主动计算复杂的等离子体动力学来模拟等离子体。
GyroSwin使用最新的人工智能方法来学习5D仿真动力学，由此产生的替代模型可以在几秒钟内运行，而传统仿真需要数小时甚至数天。该工具在6太字节数据上进行了训练。这种速度允许更快、更灵活地预测等离子体湍流，这对于优化聚变装置设计至关重要。
英国原子能机构计算项目主任Rob Akers表示：“设计、开发和运行聚变发电站将涉及数百万次等离子体仿真。将运行时间从数小时或数天减少到数分钟或数秒——同时保持足够的准确性——对于使这一挑战变得可控至关重要。因此，像GyroSwin这样的开创性人工智能工具在缩短解决时间和降低成本方面显示出巨大的变革潜力。”
英国原子能机构指出，处理5D数据此前从未被人工智能替代模型解决过，而且GyroSwin在与其他人工智能方法的比较中表现更优。这种性能提升之所以成为可能，是因为GyroSwin保留了聚变等离子体的关键物理信息，包括涨落的长度尺度，以及可以降低湍流的剪切流——所有这些对于等离子体仿真的物理可解释性都至关重要。
林茨开普勒大学教授、Emmi联合创始人兼首席科学家Johannes Brandstetter表示：“我们热爱科学挑战，构建加速5D回旋动力学仿真的人工智能模型绝对是最艰巨的挑战之一。我们对这次伟大合作取得的进展感到非常自豪，但我们知道这只是触及了表面。”
英国原子能机构现在将研究如何将GyroSwin的先进能力应用于下一代发电站，如英国的能源生产球形托卡马克(STEP)，该项目可能需要数百万次仿真来优化具有不确定性量化的等离子体情景设计。随着为发电站条件纳入更复杂的物理过程，仿真变得更加耗时，这使得更快的等离子体建模变得至关重要。
GyroSwin项目由英国政府聚变未来计划(Fusion Futures Programme)的国际计算部分提供部分资助。