ロチェスター大学のレーザーエネルギー研究所（LLE）には、世界をリードする学術レーザー設置であるオメガレーザーが装備されています。一見すると、軽い粒子とプラズマの精巧な大理石の滑走路のように見え、小さな十字線のターゲットに焦点を合わせる前にビームを分割および増幅することができます。その中心的な使命は、天体物理現象、極端な原子規模の圧力でのテスト材料を探索し、破壊的な融合研究を進めるために働くことです。
ロチェスターレーザー研究所は、米国エネルギー省（DOE）国立核安全保障局からの2024年までの5億300万ドルの助成金のおかげで、これらの重要な研究を実施するための理想的な条件を作成しました。レーザーラボは月に1回複雑な融合実験を実施し、科学者はレーザーを発射してデータを記録する約5つの機会を持っています。マルチフィジックスのフィールドコンピューターシミュレーションを通じて、科学者は、これらのシミュレーションがすべての実験的詳細を完全に再現することはできませんが、融合プラズマ、設計実験、および結果を解釈することをより深く理解することができます。
LLEディレクターのクリストファー・ディーニーは、次のように述べています。その後、2秒でカプセルが圧縮され、カプセルが圧縮されます。人間の髪鎖よりも小さい直径があり、温度は3,000万度を超えて上昇します。」このプロセスには物理学の深い知識が必要であるだけでなく、この瞬間に発生するすべての現象を詳細に測定するために、高度な診断技術も利用する必要があります。
これらの高度な診断技術によって収集された豊富なデータを活用し、米国の融合研究をより広く加速するために、LLE科学者は人工知能（AI）およびその他の高度な計算技術に目を向けています。
50年以上にわたり、LLEは慣性閉じ込め融合（ICF）の分野における核となる課題を積極的に促進し、対処してきました。 ICFは、科学界では、制御された熱核融合を達成するための最も有望なアプローチとして広く認識されており、有望でクリーンで再生可能エネルギー技術を表しています。
ロチェスター大学のコンピューターサイエンスの准教授であるクリストファー・カナンは、「ICFは本質的に逆物理学の問題であり、科学者はレーザーとターゲットの正確な特性を逆にする必要がある」と説明しています。
オメガ自体は、点火を実現するためではなく、レーザー駆動型の直接駆動融合の理解を進めるために設計されていました。オメガの60倍エネルギーが高いリバモア国立研究所の国立イグニッション施設は、逆物理学の問題の解決策を発見し、2022年にすでに点火を達成しています。物理学の完全な理解のギャップを埋めるため。
シミュレーションと実験の間に存在する知識のギャップは、物理学の複雑さ、測定の限界、および核物理学、プラズマ物理学、さらには極端な条件下で行われる材料科学研究を含む研究努力の広範な範囲に由来します。最先端のコンピューターコード。
まず、ターゲットの問題があります。実験は、ピンの先端に配置できる中空のプラスチック球から始まります。 LLEの研究者は、精密ツールを使用して球体を作成し、水素同位体で満たし、その後、絶対ゼロに近く冷却されます。凍結プロセスにより、水素がプラスチックシェル内に氷の層を形成しました。
LLE Researchチームは、より正確な予測を生成するためにコンピューターシミュレーションを導く手段として、データのニュアンスとパターンを正確に検出する方法を探しています。この改善された予測能力は、融合実験を改良し、次世代の融合研究とレーザー技術を促進します。
人工知能、特にサブフィールドの機械学習は、コンピューターコードの予測効果を最適化し、経験を通じて予測を改善するのに役立ちます。機械学習は、予測分析を実行するだけでなく、データを処理し、関係を推進し、この知識をその機能に適用します。
LLEのチーフサイエンティストであり、ロチェスター大学の機械工学部および物理学および天文学学科のロバートL.マッククロリー教授であるリカルドベティは、「現在、私たちは現在、大量の実験データを持っています。機械学習は、シミュレーションを修正し、リアルタイムの調整を実験に導くことができます。」
BettiとKananの研究作業は、テキストやビデオなどのデータやその他の形式の出力を生成するAI技術である生成人工知能の最近の進歩に基づいています。ロチェスター大学の研究チームは、これらの高度なアルゴリズムを使用して、逆物理学の問題を解決してシミュレーションの精度を向上させています。米国エネルギー省のフュージョンエネルギー科学（FES）プログラムは、2026年までに完了する予定のこの研究に対する300万ドル近くの資金支援を提供しています。
Riccardo Bettiは次のように付け加えました。「私たちの目標は、生成AIの助けを借りてシミュレーション予測を改善し、レーザーターゲット相互作用の特性を正確に推測することです。融合技術の将来を加速するAIの力を活用しています。」
LLEの理論部門の科学者であり、機械工学の助教授であるVarchas Gopalaswamy博士は、「シミュレーション予測と実験結果との矛盾を認識したら、2つを調整するために機械学習を適用することができます」と述べています。彼はさらに、「実験の変数が変化した場合、シミュレーションはそれに応じて応答できますか？その応答は実験に反映されますか？これにより、私たちの仮説の精度が検証され、変数を調整できるか、それに応じて緩和戦略を開発できるかを決定します。 。」 Gopalaswamyは、「機械学習のデータのパターンのより深い分析により、新しい仮説を策定し、さまざまな物理的現象を調査し、より良い実験を設計することができました」と付け加えました。
Gopalaswamyはまた、「ICFに直面する課題の1つは、AIをトレーニングするために使用した融合実験データがCAT写真の巨大なデータベースと比較して比較的限られていたことです。この場合、利用可能な経験的データを利用することは特に困難です。知識のギャップを埋めるために、これが理論的な知識を実験的な現実と統合するために、より多くの情報に基づいた決定を下すために必要な理由です。」
アメリカ物理学会は、30 KJオメガレーザーでの爆発実験の予測、設計、分析における先駆的な成果のために、プラズマ物理学研究の卓越性に対するジョンドーソン賞のベティ、ゴパラスワミー、およびその他のLLE科学者の仕事を認めています。
ロチェスターレーザー研究所の人工知能と機械学習研究は、プラズマおよび超高速レーザーサイエンスアンドエンジニアリング部門のディレクターであるダスティンフルラと彼のチームによる多くの発見にも貢献しています。彼のキャリアの中で、フルーラと彼のチームは、トムソン散乱を通じて血漿温度を測定するためのものを含むさまざまなテクニックを開発し、「フライフォーカス」技術や長距離にわたるレーザー強度の制御で新しい地面を壊しました。そして、機械学習は、私たちが実験を設計する方法に革命をもたらし、次世代施設を想像するにつれてより良いレーザーを構築できるようにします。」彼はさらに、「レーザーはさまざまな方法で使用されています。彼はさらに、「レーザービームのスペクトル内の複数の色がビームをより効率的に伝播するのに役立ち、AIはこれらの異なる色とプラズマの複雑な相互作用を理解するのに役立ちます。」
最後に、エネルギー省の核融合研究センターは、重い水素（重水素とトリチウム）アトムの融合に依存する有望なクリーンエネルギー技術である慣性融合エネルギー（IFE）を進めるために設計された国立研究センターの指定をLLEに与えました。エネルギーを生成する。
ロチェスター大学の学際的な研究の強みに頼って、LLEは、収束研究における人工知能と機械学習の適用を強化するために数人の学生を募集しました。
Gopalaswamyによると、「私たちの目的は、診断ツールの精度をさらに高めるために機械学習に継続的に情熱を持って学生を鼓舞することです。実際、私たちはAIの専門家が必要です。しかし、物理学者の役割はモデルが正しいことを確認するために不可欠ですさらに、科学的には、完全なエコシステムを形成するために、エンジニア、技術者、物質的な科学者が必要です。」
彼は、「国家がクリーンエネルギーと持続可能な力に移行するにつれて、融合研究におけるAIの適用は有望であり、新興の労働力分野になる可能性がある」と付け加えた。
LLEの理論部門のディレクターであり、機械工学部の研究助教授であるValeri Goncharovは、「人工知能は研究を導くための重要なツールです。これらのツールを最適化することにより、研究結果を強化できます。これらのツールは研究を促進しますが、イノベーションの原動力は依然としてICFの研究に由来しています。
