Die Suche nach Fusionsenergie kann durch künstliche Intelligenz und maschinelles Lernen vorangetrieben werden

0

ITERDie Suche nach Kernfusionsenergie wird nach Ansicht von Experten zunehmend durch Fortschritte im Bereich des maschinellen Lernens und der künstlichen Intelligenz unterstützt.Algorithmen werden eingesetzt, um Störungen vorherzusagen, die möglicherweise während der Experimente auftreten könnten und dabei helfen könnten, die lange diskutierte Energiequelle – die auf demselben Prozess basiert, der die Sonne und Sterne auf natürliche Weise antreibt – in die Realität umzusetzen.”In den letzten vier oder fünf Jahren…

sieht man plötzlich, dass die alte Idee – dass die Fusion großartig, aber unendlich weit weg ist – verschwunden ist”, sagte Daniel Kammen, Professor für Energie an der University of California Berkeley, diese Woche in einem Workshop, berichtete Forbes.Prof.

Kammen schrieb der modernen Informatik das Verdienst zu, die Erzeugung von Fusionsenergie “aus der Lebenszeit eines anderen zu einem Projekt der nächsten Generation gemacht zu haben”.

Er sagte: “Es gibt jetzt Leute, die kleine Fusionsanlagen projektieren, die vorher ohne höhere Rechenleistung nicht hätten realisiert werden können”.

Akademische Analysen legen nahe, dass er Recht hat.Die Fusion, die als neue Quelle sauberer und praktisch unbegrenzter Energie gepriesen wird, ist die Reaktion, bei der sich zwei Wasserstoffatome miteinander verbinden, um Energie zu erzeugen.

Die Rekonstruktion des Prozesses auf der Erde hat sich als komplex erwiesen und ist seit Jahrzehnten im Gange.

Tun Sie mir einen Gefallen: Bitte TEILEN Sie diesen Beitrag.

Atome des Wasserstoffs müssen auf extrem hohe Temperaturen erhitzt werden, damit sie ein Plasma bilden und miteinander “verschmelzen”.

Ein großes donutförmiges Gerät, bekannt als Tokamak, verwendet Magnetfelder, um das Plasma lange genug für eine Fusion zu steuern.Diese magnetischen Geräte können während des Experiments physisch instabil werden, aber Experten sagen, dass KI-basierte Algorithmen riesige Datenmengen zerquetschen können, um Risiken zu erkennen.

Im April 2019 wurden Forschungsarbeiten, die aus dem Princeton Plasma Physics Laboratory (PPPL) des U.S.

Department of Energy, der Universität Princeton und einer Harvard….

Share.

Leave A Reply