머신러닝을 통해 미래 핵융합 발전소에 적합한 수소 동위원소 조합을 찾아냅니다.

Editor | 양배추잎

별의 동력원인 핵융합은 인류의 미래 에너지원으로 제시되며, 현재의 핵분열 발전소에서 발생하는 방사성 폐기물 없이 깨끗하고 재생 가능한 에너지를 제공할 수 있습니다.

태양에서 에너지가 유출되는 핵융합 과정처럼, 미래의 핵융합 시설은 우주에서 가장 가벼운 원소인 수소의 동위원소를 강력한 헬륨에 포함된 초고온 가스, 즉 '플라즈마' 속에서 격렬하게 충돌시킬 것입니다. 생산되고 에너지는 질량차의 형태로 수집됩니다.

제어된 핵 융합이 지구에서 실제로 발생하기 전에 과학자들이 알아야 할 한 가지는 수소 동위원소의 혼합물을 사용해야 한다는 것입니다. 주로 핵에 양성자 1개를 갖는 "표준" 수소와 핵에 양성자 1개를 갖는 중수소입니다. . 중성자 1개, 삼중수소는 핵에 양성자 1개와 중성자 2개를 가지고 있습니다. 현재 이 작업은 프로토타입 토카막 융합 장치의 스펙트럼을 사용하여 수행되지만 이 분석에는 시간이 많이 소요될 수 있습니다.

최근 연구에서 프랑스 Aix-Marseille Université 부교수인 Mohammed Koubiti는 핵융합 플라즈마 성능을 위한 수소 동위원소 비율을 결정하는 평가를 수행했습니다. 그는 이 연구를 수행하기 위해 기계 학습과 플라즈마 분광학을 결합했습니다

연구 제목은 "동위원소 비율 결정 및 예측을 위한 융합 장치에서 수소 동위원소에 의한 분광선 방출에 기계 학습의 적용"이며 2023년에 발표될 예정입니다. 피지컬 저널 D’를 7월 14일 발매한다.

자기 융합 반응을 기반으로 하는 미래의 발전소는 확실히 중수소-삼중수소(DT) 혼합물을 사용하여 가동될 것입니다. 그러나 삼중수소의 방사능으로 인해 이러한 혼합물의 삼중수소 비율은 명백한 안전상의 이유로 규제 기관이 설정한 임계값 미만으로 유지되어야 합니다.

현재 자기 융합 연구 전용 토카막 및 기타 장치는 일반적으로 순수 수소(H), 중수소(D) 또는 HD 가스 혼합물을 사용하여 작동합니다. 유럽연합 토카막 JET에서는 드물게 DT 혼합물을 사용하지만, 삼중수소 함량 규제 기준을 준수하기 위해서는 밀봉용기 내 삼중수소 양을 정확하게 알아야 한다

"성능면에서 핵융합발전소는 중수소와 삼중수소 혼합물은 핵융합에 가장 적합하기 때문에 가장 잘 작동하지만, 삼중수소 함량은 규제 기관이 부과한 제한을 준수하기 위해 통제되고 엄격하게 관리되어야 합니다."라고 Koubiti는 말했습니다. "또한 삼중수소를 알아야 할 수도 있습니다. 이를 평가하는 한 가지 방법은 중수소-삼중수소의 전체 플라즈마 밀도에 대한 삼중수소 밀도를 나타내는 동위원소 비율 T/D+T를 결정하는 것입니다. 혈장. 또한 안전 또는 최적화 목적으로 DT가 운영하는 핵융합로에서는 삼중수소 함량의 실시간 제어가 필요할 수 있습니다. 이 경우 T/D+T 동위원소 비율에 대한 실시간 지식이 필요합니다. 동위원소 비율을 결정하는 표준 방법은 실시간 적용을 허용하지 않지만 인공 지능이 도움이 될 수 있습니다.

"궁극적인 목표는 분석에 시간이 많이 걸리는 분광학을 사용하지 않고 이를 딥러닝으로 대체하거나 적어도 딥러닝과 결합하여 융합 플라즈마의 삼중수소 함량을 예측하는 것입니다."라고 Koubiti는 설명합니다. 이 연구는 그 목표를 향한 한 단계에 불과합니다. 저는 여전히 딥 러닝 알고리즘이 융합 플라즈마의 삼중수소를 예측하는 데 사용할 수 있는 추가 기능을 찾을 수 있는 수단으로 분광학을 사용하고 있습니다." 부교수 Mohammed Koubiti는 미래의 핵융합 플라즈마 장치를 예측하기 위해 딥 러닝과 같은 기계 학습 기술과 현재 측정을 결합할 수 있는 가능성에 대한 몇 가지 아이디어를 논의합니다. 그의 논문은 ITER와 같이 건설 중인 시설에서 향후 실험을 하기 전에 예측을 하기 위해 핵융합 플라즈마 물리학의 기계 학습에 중점을 두고 있습니다

보다 정확하게는 Hα/Dα 라인을 사용하는 방법에 대한 간략한 소개입니다. 딥러닝 알고리즘의 입력 특성으로 스펙트럼 특성을 사용합니다. 목표는 위에서 설명한 입력 특성을 기반으로 수소-중수소 혼합물(HD 플라즈마)의 동위원소 비율을 예측하는 것입니다. 이 방법의 검증은 이전에 토카막 전환기의 일반적인 조건에 대해 생성된 200,000개의 선 스펙트럼 세트를 사용하여 수행되었습니다.

Koubiti는 생성된 스펙트럼에서 관찰된 스펙트럼으로의 전환과 HD 플라즈마 방전에서 DT 플라즈마 방전으로의 가능한 추정에 대해 논의합니다. 미래 자기융합 기반 발전소에서 DT 혼합물을 사용하여 작동하는 핵융합 플라즈마의 수소 동위원소 비율과 같은 물리량을 가장 정확하게 예측할 수 있는 강력한 딥러닝 기반 기술을 달성하기 위해서는 여전히 해결해야 할 많은 문제가 지적됩니다.

Kubiti는 다음 단계는 딥 러닝 알고리즘에 공급되어야 하는 비 스펙트럼 기능을 식별하여 프로젝트를 완료하는 것이라고 덧붙였습니다. 그 후, 그는 이러한 발견을 JET, ASDEX-Upgrade와 같은 여러 자기 융합 장치 또는 WEST 및 DIII-D와 같은 토카막 장치뿐만 아니라 외부 자석에 의존하여 플라즈마를 가두는 스텔라레이터 플라즈마 장치에서 이러한 발견을 테스트할 계획입니다

Word 입이 딥러닝 기술의 적용 범위를 비플라즈마 분광학 분야까지 확장할 계획이라고 언급했습니다

논문을 보려면 다음 링크를 클릭하세요: https://link.springer.com/article/10.1140/ epjd/s10053-023 -00719-0

관련 보도: https://phys.org/news/2023-09-수소 동위원소의 기계 추출-미래 원자력 에너지.html

위 내용은 머신러닝을 통해 미래 핵융합 발전소에 적합한 수소 동위원소 조합을 찾아냅니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!