Учёные представили новый инструмент на основе искусственного интеллекта, который может значительно ускорить разработку проектов термоядерной энергетики. Система под названием GyroSwin, разработанная специалистами из Управления по атомной энергии Великобритании (UKAEA), Университета Иоганна Кеплера в Линце (JKU) и компании Emmi AI, моделирует сложное поведение термоядерной плазмы в тысячи раз быстрее традиционных методов.

Термоядерная энергия обещает стать чистым и практически неисчерпаемым источником энергии, но для её получения необходимо контролировать плазму, нагретую до температур, превышающих температуру Солнца. Мощные магнитные поля должны удерживать эту перегретую плазму, и одной из самых больших проблем является управление турбулентностью внутри неё, которая может приводить к утечке энергии.

Традиционно специалисты используют численные симуляции, основанные на пятимерной (5D) гирокинетике. Эти модели отслеживают поведение плазмы в трёх пространственных измерениях, а также в двух измерениях, описывающих движение частиц параллельно и перпендикулярно магнитным полям. Такие симуляции требуют больших вычислительных ресурсов и занимают часы или даже дни, что замедляет исследования и увеличивает затраты.

GyroSwin основана на алгоритмах машинного обучения, для изучения динамики 5D-моделирования плазмы. После обучения эта модель может генерировать точные результаты за секунды. По словам авторов, преимущество GyroSwin заключается в сохранении важных физических характеристик термоядерной плазмы, включая масштаб турбулентных флуктуаций и сдвиговые потоки плазмы, которые помогают подавлять турбулентность.

UKAEA изучает возможности применения GyroSwin в проектах по термоядерному синтезу нового поколения, включая британский токамак STEP. Оптимизация сценариев плазмы для таких установок потребует миллионов симуляций, особенно с учётом неопределённости и усложнения физических процессов. По мере детализации симуляций их вычислительная стоимость резко возрастает, что делает инструменты быстрого моделирования полезными для фильтрации предпочтительных сценариев.