Le deep learning améliore la compréhension de la turbulence dans les plasmas grâce à une simulation.
D’une certaine manière, l’intelligence artificielle a développé des capacités qui surpassent celles des humains. Il s’agit de l’analyse des données permettant de comprendre certains phénomènes complexes. Dans cette étude, elle a permis aux chercheurs d’observer le fonctionnement des futurs réacteurs de fusion.
La complexité de la fusion nucléaire
En combinant le deep learning et la physique, des chercheurs du MIT ont acquis une meilleure compréhension de la turbulence dans les plasmas. Il s’agit d’un élément essentiel à la reproduction de reproduire la fusion nucléaire. Le plasma est le quatrième état de la matière après le solide, le liquide et le gaz et constitue plus de 99,9 % de l’univers.
Une approche consiste à le confiner dans des dispositifs appelés tokamaks pour le chauffer suffisamment afin de libérer l’énergie cinétique. Celle-ci alimentera les nouvelles réactions de fusion. Les tokamaks utilisent des champs magnétiques pour contrôler les particules qui composent le plasma. Cependant, un défi se pose lié à l’instabilité du plasma qui risque d’endommager les composants du réacteur.
Simulation et deep learning pour comprendre la turbulence dans les plasmas
Pour analyser la turbulence, les physiciens ont jusqu’ici utilisé la théorie à deux fluides réduite de Braginskii. Il s’agit de simuler les plasmas de bord dans des expériences pour prédire la température, la densité, le potentiel électrique et les flux.
Dans une nouvelle étude, les chercheurs du MIT ont combiné la physique et le deep learning pour tester la précision de ce modèle réduit. Ils s’intéressent particulièrement au champ électrique et à la pression électronique. Autrement dit, la relation entre ces variables définit la théorie de la turbulence dans les plasmas et le deep learning les a aidés à le vérifier.
Ils ont démontré une compatibilité entre les champs électriques turbulents prédits par le modèle et les prédictions gyrocinétiques de haute fidélité dans les plasmas pertinents pour les dispositifs existants.
Ils ont également découvert que la nouvelle technique de deep learning permet de diagnostiquer des fluctuations de champ turbulent inconnues. En d’autres termes, même avec un petit nombre d’observations, il est possible d’obtenir beaucoup d’informations.
- Partager l'article :
