Courtesy of InterestingEngineering
Ikhtisar 15 Detik
- Pendekatan berbasis pembelajaran dalam dapat secara signifikan meningkatkan kecepatan komputasi dalam penelitian fusi nuklir.
- FPL-net menunjukkan akurasi tinggi dalam memprediksi kolisi plasma, yang penting untuk keberhasilan reaktor fusi.
- Penelitian ini membuka jalan untuk pengembangan teknologi digital twin dalam analisis reaktor fusi.
Para ilmuwan telah mengembangkan pendekatan berbasis pembelajaran mendalam yang meningkatkan prediksi plasma pada fusi nuklir hingga 1.000 kali lebih cepat. Pendekatan ini mempercepat perhitungan operator tabrakan Fokker-Planck-Landau (FPL) untuk plasma fusi. Biasanya, menyelesaikan persamaan FPL memerlukan waktu dan sumber daya komputasi yang besar, tetapi dengan menggunakan teknologi pembelajaran mendalam di GPU, waktu komputasi dapat dikurangi secara signifikan. Model baru yang disebut FPL-net dapat menyelesaikan persamaan FPL dalam satu langkah dengan akurasi yang sangat tinggi.
Baca juga: AS menyempurnakan injeksi gas untuk reaktor nuklir agar dapat bertahan dengan daya seperti matahari.
FPL-net adalah jaringan saraf konvolusional yang dirancang untuk kecepatan komputasi dan telah dilatih dengan data dari berbagai kondisi suhu plasma elektron. Penelitian ini menunjukkan bahwa FPL-net dapat memprediksi tabrakan antara partikel dengan sangat akurat, yang penting untuk menjaga reaksi fusi yang stabil. Meskipun saat ini fokus pada plasma elektron, para peneliti berencana untuk mengembangkan model ini agar dapat digunakan dalam lingkungan plasma yang lebih kompleks di masa depan.