Группа учёных из Управления по атомной энергии Великобритании, Йоханнес Кеплер Университета в Линце и компании Emmi AI разработала инструмент искусственного интеллекта «GyroSwin», который позволяет создавать симуляции плазмы для термоядерного синтеза в тысячу раз быстрее традиционных вычислительных методов. Магнитный ядерный синтез считается перспективной технологией устойчивого и безэмиссионного энергоснабжения, однако требует высокоточного моделирования турбулентности внутри плазмы, удерживаемой магнитным полем при экстремальных температурах.
Для точного анализа плазмы учёные применяют сложные пятимерные (5D) гирокинетические методы, объединяющие пространственные координаты с параллельной и перпендикулярной скоростью частиц в плазме. Такие расчёты требуют значительных вычислительных ресурсов и дорогостоящих суперкомпьютеров, что заметно удлиняет проектные циклы. Ранее моделирование происходило путём пошагового вычисления динамики плазмы, что занимало часы и даже дни.
«GyroSwin» использует современные методы искусственного интеллекта для обучения динамике 5D-симуляций на массиве данных объёмом шесть терабайт, что позволяет выполнять расчёты за считаные секунды без потери точности. Инструмент сохраняет ключевые плазменные характеристики, включая масштаб флуктуаций и скорость сдвига, что важно для физической интерпретации моделируемых процессов.
По словам руководителя программ по вычислениям UKAEA Роба Акерса, способность снизить время моделирования с часов или дней до секунд критически важна для проектирования и эксплуатации будущих термоядерных энергетических установок, где могут потребоваться миллионы симуляций. В UKAEA отметили, что раньше ни одна AI-модель не справлялась с обработкой 5D-данных, и «GyroSwin» показал лучшие результаты в сравнении с другими методами.
Сейчас UKAEA изучает возможности применения «GyroSwin» для проектов следующего поколения, таких как британский сферический токамак STEP, где планируется проведение миллионов расчётов с анализом неопределённостей для оптимизации параметров плазмы. По мере добавления в симуляции более сложной физики расчёты становятся ещё более ресурсоёмкими, что делает быстрое моделирование особенно актуальным.
Проект «GyroSwin» финансировался в рамках программы Fusion Futures правительства Великобритании.
