Kecerdasan Buatan Adalah Kunci Untuk Membuka Reaksi Fusi

Satu hambatan untuk mengembangkan fusi nuklir untuk menghasilkan energi adalah kompleksitas memprediksi gangguan utama yang dapat menghentikan reaksi fusi dan merusak dinding reaktor masa depan. Fisikawan berpikir bahwa kecerdasan buatan memegang jawabannya.

Gagasan penggelaran kecerdasan buatan berasal dari para ilmuwan yang bekerja di Laboratorium Fisika Plasma Princeton Energy Department AS . Hal ini terkait dengan operasi yang aman dari reaktor fusi masa depan. Hal-hal yang menjadi perhatian para ahli fisika berpusat pada prediksi gangguan yang tepat waktu seperti hilangnya kontrol spektrum panas dan bermuatan yang mendadak yang memicu reaksi.

Proses fusi nuklir melibatkan reaksi dimana 2 atau lebih inti atom datang cukup dekat untuk membentuk 1 atau lebih yang berbeda inti atom dan partikel subatomik (neutron atau proton). Perbedaan massa antara reaktan dan produk dimanifestasikan sebagai pelepasan sejumlah besar energi. Beginilah cara Matahari dan bintang lainnya menggunakan fusi nuklir untuk melepaskan energi. Menciptakan kembali ini di dalam reaktor dan memanfaatkan energi yang dilepaskan ini akan menghasilkan energi murah dan tidak terbatas. Ini telah menjadi pencarian banyak negara dan tim sains sejak tahun 1950an. Proses menuju hal ini telah dibahas di kolom Ilmu Informasi Esensial Digital: " Jalan baru menuju fusi nuklir? "

Dalam fisika nuklir, fusi nuklir adalah reaksi di mana 2 atau lebih inti atom mendekati cukup dekat untuk membentuk 1 atau lebih inti atom dan partikel sub atomik yang berbeda (neutron dan / atau proton). Perbedaan massa antara produk dan reaktan dimanifestasikan sebagai pelepasan sejumlah besar energi.

Laboratorium Fisika Plasma Princeton, bekerja sama dengan Univeristy Princeton dan pusat penelitian lainnya, memulai eksperimen internasional, yang sedang dibangun di Prancis, dirancang untuk menunjukkan kepraktisan energi fusi.

Untuk memastikan percobaan kecerdasan buatan yang aman akan digunakan dalam bentuk perangkat lunak prediktif baru, yang disebut kode Fusion Recurrent Neural Network (FRNN). Ini akan digunakan untuk menganalisa data sekuensial dengan pola jarak jauh. Kode belajar yang mendalam berjalan pada unit pemrosesan grafis , yang dirancang untuk memanipulasi dan mengubah memori dengan cepat untuk mempercepat pembuatan gambar dalam buffer frame. Unit-unit ini dapat menghitung ribuan salinan program sekaligus.

Mengomentari karya ini, salah satu peneliti utama Profesor William Tang mengatakan : "Pembelajaran yang mendalam merupakan jalan baru yang menarik menuju prediksi gangguan. Kemampuan ini sekarang dapat menangani data multi dimensi." Pembelajaran yang mendalam merupakan satu langkah penting menuju penciptaan praktis energi fusi.