L'apprentissage automatique trouve la bonne combinaison d'isotopes d'hydrogène pour les futures centrales électriques à fusion

Éditeur | Feuilles de chou

La fusion nucléaire, la source d'énergie des étoiles, est proposée comme la future source d'énergie de l'humanité et pourrait fournir une énergie propre et renouvelable sans les déchets radioactifs associés aux centrales à fission nucléaire actuelles.

Tout comme le processus de fusion qui rejette l'énergie du soleil, les futures installations de fusion nucléaire écraseront violemment les isotopes de l'hydrogène, l'élément le plus léger de l'univers, dans un gaz très chaud ou « plasma » contenu dans un puissant champ magnétique d'hélium. est produit et l’énergie est collectée sous forme de différence de masse.

Avant que la fusion nucléaire contrôlée puisse réellement se produire sur Terre, les scientifiques doivent savoir quel mélange d'isotopes de l'hydrogène utiliser - principalement l'hydrogène "standard", qui a un proton dans son noyau, et le deutérium, qui a un proton dans son noyau. . et un neutron, le tritium possède un proton et deux neutrons dans son noyau. Actuellement, cela se fait à l’aide de spectres provenant de prototypes de dispositifs de fusion tokamak, mais cette analyse peut prendre beaucoup de temps.

Dans une recherche récente, Mohammed Koubiti, professeur agrégé à l'Université d'Aix-Marseille en France, a mené une évaluation pour déterminer les rapports isotopiques de l'hydrogène pour les performances du plasma de fusion nucléaire. Il a combiné l'apprentissage automatique et la spectroscopie plasma pour mener cette recherche.

La recherche s'intitule "Application de l'apprentissage automatique à l'émission de raies spectroscopiques par les isotopes de l'hydrogène dans les dispositifs de fusion pour la détermination et la prédiction du rapport isotopique" et sera publiée en 2023 dans "The European Journal physique D" le 14 juillet.

Les futures centrales électriques basées sur des réactions de fusion magnétique fonctionneront certainement avec des mélanges deutérium-tritium (DT). Cependant, en raison de la radioactivité du tritium, la proportion de tritium dans de tels mélanges doit rester inférieure aux seuils fixés par les agences de régulation pour des raisons évidentes de sécurité.

Actuellement, les tokamak et autres appareils dédiés à la recherche sur la fusion magnétique fonctionnent généralement avec des mélanges d'hydrogène pur (H), de deutérium (D) ou de gaz HD. Bien que le Tokamak commun européen JET utilise des mélanges DT dans de rares cas, afin de respecter les limites réglementaires sur la teneur en tritium, la quantité de tritium dans le conteneur scellé doit être connue avec précision

"En termes de performances, la centrale à fusion sera "Les mélanges de deutérium et de tritium fonctionnent mieux parce qu'ils fonctionnent mieux pour la fusion, mais la teneur en tritium doit être contrôlée et étroitement gérée pour se conformer aux limites imposées par les agences de réglementation", a déclaré Koubiti. "En outre, il peut être nécessaire de connaître la teneur en tritium. en temps réel pour l'optimiser les performances d'une centrale nucléaire. Une façon d'évaluer cela est de déterminer le rapport isotopique T/D+T, qui représente la densité du tritium en pourcentage de la densité totale du plasma dans un deutérium-tritium. plasma. De plus, un contrôle en temps réel de la teneur en tritium peut être nécessaire dans les réacteurs à fusion exploités par DT à des fins de sécurité ou d'optimisation. Dans ce cas, une connaissance en temps réel du rapport isotopique T/D+T est requise. Les méthodes standard de détermination des rapports isotopiques ne permettent pas une application en temps réel, mais l’intelligence artificielle peut aider.

"Le but ultime est d'éviter le recours à la spectroscopie, dont l'analyse est très chronophage, et de la remplacer par le deep learning, ou au moins de le combiner avec le deep learning pour prédire la teneur en tritium dans les plasmas de fusion", explique Koubiti. Cette étude n'est qu'un pas vers cet objectif. J'utilise toujours la spectroscopie pour me permettre de trouver d'autres signatures que les algorithmes d'apprentissage profond peuvent utiliser pour prédire le tritium dans les plasmas de fusion. " Professeur agrégé. Mohammed Koubiti discute de quelques idées sur les possibilités de combiner des techniques d'apprentissage automatique, telles que l'apprentissage profond, avec les mesures actuelles pour prédire les futurs dispositifs à plasma de fusion. Son article se concentre sur l'apprentissage automatique en physique des plasmas de fusion afin de faire des prédictions avant de futures expériences dans des installations en construction comme ITER

Plus précisément, une brève introduction à une méthode basée sur l'utilisation de raies Hα/Dα Une méthode à utiliser simple fonctionnalités spectrales comme fonctionnalités d’entrée pour les algorithmes d’apprentissage en profondeur. L'objectif est de prédire les rapports isotopiques des mélanges hydrogène-deutérium (plasmas HD) sur la base des caractéristiques d'entrée décrites ci-dessus. La validation de la méthode a déjà été effectuée à l'aide d'un ensemble de 200 000 spectres de raies générés pour les conditions typiques d'un diverteur tokamak.

Koubiti discute de la transition des spectres générés aux spectres observés et de l'extrapolation possible des décharges de plasma HD aux décharges de plasma DT. De nombreux problèmes qui doivent encore être résolus sont soulignés pour parvenir à des techniques robustes basées sur l'apprentissage profond, capables de prédire avec la plus grande précision des quantités physiques telles que les rapports isotopiques de l'hydrogène dans les plasmas de fusion fonctionnant avec des mélanges DT dans les futures centrales électriques basées sur la fusion magnétique.

Kubiti a ajouté que la prochaine étape consiste à terminer le projet en identifiant les fonctionnalités non spectrales qui doivent être transmises à tout algorithme d'apprentissage en profondeur. Par la suite, il compte tester ces résultats sur plusieurs appareils à fusion magnétique, comme les appareils JET, ASDEX-Upgrade ou tokamak comme WEST et DIII-D, ainsi que sur les appareils à plasma stellarateur qui s'appuient sur des aimants externes pour confiner le plasma

Word de bouche a mentionné que je prévoyais également d'étendre le champ d'application de la technologie d'apprentissage profond au domaine de la spectroscopie sans plasma

Veuillez cliquer sur le lien suivant pour consulter l'article : https://link.springer.com/article/10.1140/ epjd/s10053-023 -00719-0

Rapports associés : https://phys.org/news/2023-09-Extraction mécanique des isotopes de l'hydrogène - énergie nucléaire future.html

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!