機械学習が将来の核融合発電所に適した水素同位体の組み合わせを見つける
編集者 | キャベツの葉
星の動力源である核融合は、人類の将来のエネルギー源として提案されており、エネルギーを必要とせずにクリーンで再生可能なエネルギーを提供できます。現在の核分裂プラントに関連する放射性廃棄物。
太陽からエネルギーを放出する核融合プロセスと同様に、将来の核融合施設は、宇宙で最も軽い元素である水素の同位体を、強力な磁場に含まれる超高温のガスまたは「プラズマ」の中で激しく衝突させることになります。 . 体内ではヘリウムが生成され、エネルギーが質量差の形で集められます。
制御可能な核融合が実際に地球上で起こる前に、科学者が知っておくべきことの 1 つは、どのような水素同位体の混合物を使用するかということです - 主に、原子核に陽子と重水素原子核を持つ「標準」水素です。原子核には陽子が 1 つと中性子が 1 つあり、トリチウムの原子核には陽子が 1 つと中性子が 2 つあります。現在、これはトカマク核融合装置のプロトタイプからのスペクトルを使用して行われていますが、この分析には非常に時間がかかる可能性があります。
最近の研究では、フランスのエクス・マルセイユ大学准教授のモハメド・クビティ氏が、核融合プラズマの性能に関する水素同位体比を決定するための評価を実施しました。彼は機械学習とプラズマ分光法を組み合わせてこの研究を実施しました
この研究のタイトルは「同位体比決定と予測のための核融合装置における水素同位体による分光線放射への機械学習の応用」で、『The European Physical』に掲載されました。ジャーナルD」2023年7月14日号。
磁気核融合反応に基づく将来の発電所は、重水素 - 三重水素 (DT) 混合物で確実に稼働するでしょう。ただし、トリチウムの放射能により、そのような混合物中のトリチウムの割合は、明らかな安全上の理由から規制当局が設定した閾値未満に維持する必要があります。
現在、磁気核融合研究専用のトカマクやその他の装置は、通常、純粋な水素 (H)、重水素 (D)、または HD ガス混合物を使用して動作します。欧州共同トカマクJETでは稀にDT混合物を使用するが、トリチウム含有量の規制値を遵守するには、密閉容器内のトリチウム量を正確に把握する必要がある。「核融合発電所の性能上、 「重水素と三重水素は核融合に最適であるため、混合物で動作することになるが、規制当局が課す制限を遵守するにはトリチウムの量を制御し、厳密に管理する必要がある」とクビティ氏は述べた。トリチウムの内容をリアルタイムで理解することで、原子力発電所のパフォーマンスを最適化します。」
これを評価する 1 つの方法は、トリチウム密度をパーセントで表す同位体比 T/D T を決定することです。重水素 - 三重水素プラズマ内の総プラズマ密度。さらに、安全性または最適化の目的で、DT によって運転される核融合炉ではトリチウム含有量のリアルタイム制御が必要になる場合があります。この場合、T/D T 同位体比のリアルタイムの知識が必要です。同位体比を決定する標準的な方法ではリアルタイムの適用はできませんが、人工知能が役立ちます。
「最終的な目標は、分析に非常に時間がかかる分光法の使用を避け、それをディープラーニングに置き換えるか、少なくともディープラーニングと組み合わせて予測を行うことです。 「この研究は、この目標に向けたほんの一歩にすぎません。深層学習アルゴリズムで使用できる他の機能を見つけることを可能にする手段として、私は今でも分光学を使用しています。変化を予測するための特性」とクビティ氏は説明します。 モハメッド・クビティ准教授は、将来を予測するために使用される現在の測定と組み合わせた機械学習技術 (ディープラーニングなど) について議論しました。核融合プラズマ装置の可能性。彼の論文は、ITERなどの建設中の施設での将来の実験前に予測を行うための核融合プラズマ物理学における機械学習に焦点を当てています
より正確には、Hαの使用に基づく方法の簡単な紹介単純なスペクトルを使用する方法/Dα ラインの特徴を深層学習アルゴリズムの入力特徴として使用します。目的は、上記の入力特性に基づいて水素と重水素の混合物 (HD プラズマ) の同位体比を予測することです。この方法の検証は、トカマクダイバータの典型的な条件に対して生成された 200,000 の線スペクトルのセットを使用して以前に行われました。
Koubiti は、生成スペクトルから観測スペクトルへの移行と、HD プラズマ放電から DT プラズマ放電への可能な外挿について説明します。将来の磁気核融合ベースの発電所において、DT混合物で動作する核融合プラズマ中の水素同位体比などの物理量を最も正確に予測できる堅牢な深層学習ベースの技術を実現するには、まだ対処する必要がある多くの問題が指摘されています。
次のステップは、深層学習アルゴリズムに供給する必要がある非スペクトル特徴を特定してプロジェクトを完了することだと、Koubiti 氏は付け加えました。その後、彼はこれらの発見を、JET、ASDEX-Upgrade、または WEST や DIII-D などのトカマク装置などのいくつかの磁気核融合装置、およびプラズマを閉じ込めるために外部磁石に依存するステラレータープラズマ装置でテストする予定です。
#ディープラーニング技術の応用範囲を非プラズマ分光法の分野にも拡大する計画であると口コミで言われました。論文を表示するには次のリンクをクリックしてください: https://link .springer.com/article /10.1140/epjd/s10053-023-00719-0関連レポート: https://phys.org/news/2023-09-水素同位体の機械抽出-将来の原子力エネルギー.html以上が機械学習が将来の核融合発電所に適した水素同位体の組み合わせを見つけるの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック

現代の製造において、正確な欠陥検出は製品の品質を確保するための鍵であるだけでなく、生産効率を向上させるための核心でもあります。ただし、既存の欠陥検出データセットには、実際のアプリケーションに必要な精度や意味論的な豊富さが欠けていることが多く、その結果、モデルが特定の欠陥カテゴリや位置を識別できなくなります。この問題を解決するために、広州香港科技大学と Simou Technology で構成されるトップの研究チームは、産業欠陥に関する詳細かつ意味的に豊富な大規模なアノテーションを提供する「DefectSpectrum」データセットを革新的に開発しました。表 1 に示すように、他の産業データ セットと比較して、「DefectSpectrum」データ セットは最も多くの欠陥注釈 (5438 個の欠陥サンプル) と最も詳細な欠陥分類 (125 個の欠陥カテゴリ) を提供します。

オープンな LLM コミュニティは百花繚乱の時代です Llama-3-70B-Instruct、QWen2-72B-Instruct、Nemotron-4-340B-Instruct、Mixtral-8x22BInstruct-v0.1 などがご覧いただけます。優秀なパフォーマーモデル。しかし、GPT-4-Turboに代表される独自の大型モデルと比較すると、オープンモデルには依然として多くの分野で大きなギャップがあります。一般的なモデルに加えて、プログラミングと数学用の DeepSeek-Coder-V2 や視覚言語タスク用の InternVL など、主要な領域に特化したいくつかのオープン モデルが開発されています。

AI にとって、数学オリンピックはもはや問題ではありません。木曜日、Google DeepMind の人工知能は、AI を使用して今年の国際数学オリンピック IMO の本当の問題を解決するという偉業を達成し、金メダル獲得まであと一歩のところまで迫りました。先週終了したばかりの IMO コンテストでは、代数、組合せ論、幾何学、数論を含む 6 つの問題が出題されました。 Googleが提案したハイブリッドAIシステムは4問正解で28点を獲得し、銀メダルレベルに達した。今月初め、UCLA 終身教授のテレンス・タオ氏が、100 万ドルの賞金をかけて AI 数学オリンピック (AIMO Progress Award) を宣伝したばかりだったが、予想外なことに、AI の問題解決のレベルは 7 月以前にこのレベルまで向上していた。 IMO に関する質問を同時に行うのが最も難しいのは、最も歴史が長く、規模が最も大きく、最も否定的な IMO です。

編集者 |KX 今日に至るまで、単純な金属から大きな膜タンパク質に至るまで、結晶学によって決定される構造の詳細と精度は、他のどの方法にも匹敵しません。しかし、最大の課題、いわゆる位相問題は、実験的に決定された振幅から位相情報を取得することのままです。デンマークのコペンハーゲン大学の研究者らは、結晶相の問題を解決するための PhAI と呼ばれる深層学習手法を開発しました。数百万の人工結晶構造とそれに対応する合成回折データを使用して訓練された深層学習ニューラル ネットワークは、正確な電子密度マップを生成できます。この研究では、この深層学習ベースの非経験的構造解法は、従来の非経験的計算法とは異なり、わずか 2 オングストロームの解像度で位相問題を解決できることが示されています。これは、原子解像度で利用可能なデータのわずか 10% ~ 20% に相当します。

編集者 | ScienceAI 限られた臨床データに基づいて、何百もの医療アルゴリズムが承認されています。科学者たちは、誰がツールをテストすべきか、そしてどのようにテストするのが最善かについて議論しています。デビン シン氏は、救急治療室で小児患者が治療を長時間待っている間に心停止に陥るのを目撃し、待ち時間を短縮するための AI の応用を模索するようになりました。 SickKids 緊急治療室からのトリアージ データを使用して、Singh 氏らは潜在的な診断を提供し、検査を推奨する一連の AI モデルを構築しました。ある研究では、これらのモデルにより医師の診察が 22.3% 短縮され、医療検査が必要な患者 1 人あたりの結果の処理が 3 時間近く高速化できることが示されました。ただし、研究における人工知能アルゴリズムの成功は、これを証明するだけです。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

編集者 | 創薬の合理化における Ziluo AI の利用は爆発的に増加しています。新薬の開発に必要な特性を備えている可能性のある候補分子を数十億個スクリーニングします。材料の価格からエラーのリスクまで、考慮すべき変数が非常に多いため、たとえ科学者が AI を使用したとしても、最適な候補分子の合成コストを秤量することは簡単な作業ではありません。ここで、MIT の研究者は、最適な分子候補を自動的に特定する定量的意思決定アルゴリズム フレームワークである SPARROW を開発しました。これにより、合成コストを最小限に抑えながら、候補が望ましい特性を持つ可能性を最大限に高めることができます。このアルゴリズムは、これらの分子を合成するために必要な材料と実験手順も決定しました。 SPARROW では、複数の候補分子が入手可能な場合が多いため、分子のバッチを一度に合成するコストが考慮されます。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究
