UNIST开发AI 将“人造太阳”核聚变模拟速度提升1000倍

Published 17 Feb.2025 08:58(KST)

Updated 01 Aug.2025 08:42(KST)

open/close

UNIST Lee Jimin·Yoon Uiseong教授团队开发求解聚变堆内粒子碰撞方程的AI

误差水平达10-5 精度提升发表于《Journal of Computational Physics》

一种能够将核聚变反应堆内部等离子体状态模拟速度提升至以往1000倍的人工智能已被开发出来。

UNIST核工程系的 Lee Jimin、Yoon Uiseong 教授团队开发出一款名为“FPL-net”的深度学习人工智能模型，可以加速求解描述等离子体状态的数学方程的解。

Lee Jimin 教授。

Yun Uiseong 教授。

在核聚变发电这一被称为“人造太阳”的技术中，必须将发电装置内部维持在与真实太阳相同的高温等离子体状态。等离子体是物质分离为带负电的电子和带正电的离子粒子的状态，在这一状态下，能否精确预测粒子间的碰撞，是维持稳定核聚变反应的关键要素。

等离子体状态可以用数学模型表示，其中之一就是“福克–普朗克–朗道方程”（Fokker-Planck-Landau, FPL）。“福克–普朗克–朗道方程”用于预测正负电荷粒子之间的碰撞，即库仑碰撞。过去为了解这一方程，通常采用逐步求解的迭代法，计算量巨大且耗时很长。

研究团队开发的FPL-net与传统迭代法不同，可以一次性给出方程的解。它求解速度比现有方法快1000倍，预测误差约为10-5，精度很高。

福克–普朗克–朗道碰撞过程具有密度、动量、能量守恒的特征。研究团队解释称，在人工智能模型的训练过程中，通过定义相应函数，使这些物理量得以守恒，从而提高了精度。

人工智能模型的精度通过热平衡模拟来验证。如果在连续模拟过程中误差不断累积，就无法获得准确的热平衡状态。

开发的人工智能给出的预测结果：碰撞导致的等离子体概率密度函数变化示例。

联合研究团队表示：“在保持精度的同时，利用图形处理器（GPU）进行深度学习，将原先使用中央处理器（CPU）的传统代码计算时间缩短了1000倍”，并称“这将成为用于模拟整个核聚变反应堆区域的湍流分析代码，或在计算机虚拟空间中实现真实托卡马克的数字孪生技术的基石。”托卡马克是一种用于约束等离子体的特殊结构装置。

研究人员补充表示：“不过，本次研究仅限于电子等离子体，要实现应用，还需要将研究扩展到包含杂质在内的多种粒子构成的复杂等离子体环境。”

本研究在蔚山科学技术院（UNIST）、韩国研究财团、韩国能源技术评价院等机构的支持下完成，并已于2月15日刊登在国际学术期刊《计算物理学杂志》（Journal of Computational Physics）上。