为了捕捉和控制地球上被称为托卡马克的设施中的太阳和恒星的核聚变过程，科学家们必须能够阻止那些会中断反应并破坏环形设备的威胁。现在美国能源部（DOE）普林斯顿等离子体物理实验室（PPPL）和普林斯顿大学正在开发AI系统，用于预测和终止这些威胁。

该项目名为“"Accelerated Deep Learning Discovery in Fusion Energy Science”，是Aurora超级计算机数据科学和机器学习的10个早期科学项目之一，该计划将成为2021年预计抵达Argonne的第一个美国exascale系统。该系统每秒能够执行百万的三次方次计算，比目前最强大的超级计算机快50到100倍。

核聚变结合了轻元素

核聚变结合了等离子体形式的轻元素，即由自由电子和原子核反应组成的热的带电状态，产生大量的能量。科学家们的目标是复制这一过程，以获得几乎无穷无尽的电力供应。

PPPL /普林斯顿大学项目的目标是开发一种方法，可以通过实验验证预测和控制燃烧等离子体聚变系统的破坏，例如ITER-法国正在建造的国际托卡马克，以证明聚变能的实用性。“燃烧等离子体”是指自持的聚变反应，其对于产生连续的聚变能量是必不可少的。

该项目将由William Tang担任，他是PPPL的首席研究物理学家，也是普林斯顿大学天体物理学系教授的级别和职称的讲师。“我们的研究将利用能力来加速进展，而这只能用来自于AI的深度学习形式。”

类似于大脑的网络

与其他类型的计算方法不同，深度学习可以被训练以准确地解决并且加速需要真实图像分辨率的高度复杂的问题。相关软件由多层互连神经网络组成，类似于大脑中的简单神经元。网络中的每个节点都识别出馈入系统的数据的基本方面，并将结果传递给识别数据越来越复杂的方面的其他节点。该过程继续进行，直到及时获得所需的输出。

PPPL /普林斯顿深度学习软件被称为“Fusion Recurrent Neural Network（FRNN）”，由卷积和递归神经网络组成，允许用户训练计算机检测感兴趣的项目或事件。该软件旨在快速预测何时在大型托卡马克等离子体中产生中断，并及时部署有效的控制方法。

该项目得益于进入英国联合欧洲圆环（JET）的巨大破坏性相关数据库，这是当今世界上最大、最强大的托卡马克。FRNN软件已经从较小的计算机集群发展到可以处理如此大量复杂的中断相关数据的超级计算系统。运行数据旨在识别关键的预干扰条件，以第一原理为基础的理论模拟的见解为指导，使深度学习的“监督机器学习”能力能够产生准确的预测，给出足够的警告时间。

获得普林斯顿Tiger项目支持

该项目获得了Tiger项目的支持，这是一个高性能的普林斯顿大学集群，配备先进的图像分辨率GPU，使深度学习软件能够进入橡树岭国家实验室的Titan超级计算机以及强大的国际系统，如日本东京的Tsubame -III超级计算机。总体目标是实现ITER的挑战性要求，在发生中断至少30毫秒或更长时间之前进行预测，准确率应达到95%，误报率不超过5%。

该团队将继续由美国能源部支持，为Aurora exascale计算提供FRNN软件。研究人员还将在SUMMIT超级计算机上推进相关的开发。