AI, 핵융합 발전의 발목을 잡는 거대한 문제 해결
프린스턴 연구진은 핵융합 반응에서 발생하는 일반적인 문제를 예측하고 완화할 수 있는 인공 지능을 개발했으며, 이는 추가적인 문제를 해결하는 데도 효과적일 수 있다고 믿습니다.
영국의 유명 팝 그룹 스파이스 걸스가 음악이 아닌 물리학 분야에서 경력을 쌓았다고 상상해 보세요. 이 대체 현실 시나리오에서 스파이스 걸스의 히트곡 중 하나인 “2가 1이 되어"는 원자핵이 결합하여 엄청난 양의 에너지를 방출하는 과정인 핵융합과 관련된 과학적 의미를 내포하고 있을 가능성이 있습니다.
핵융합 과정에서 엄청난 양의 열에너지가 발생하며, 이는 태양과 다른 별과 같은 천체를 움직이는 주요 원동력으로 작용합니다. 인류가 이 반응을 지구에서 성공적으로 포착하고 활용할 수 있다면, 우리는 본질적으로 무한한 친환경 전력을 공급받을 수 있을 것입니다.
자기장을 사용하여 플라즈마를 “토카막"이라는 장치에 가두면 핵융합을 촉발하는 데 필요한 초고온, 고압 조건을 달성할 수 있지만, 매운 관계처럼 핵융합을 유지하는 것보다 시작하는 것이 더 쉽습니다. 플라즈마가 불안정해져 핵융합 반응을 끝내고 잠재적으로 원자로를 손상시키는 데 단 1초만 걸리면 됩니다 .
시스템의 동작을 효과적으로 안내하기 위해 시스템에 명확한 목표를 제공하고, 피해야 할 바람직하지 않은 결과를 명시하며, 이러한 원하는 결과를 추구하기 위해 조작 가능한 조정 가능한 매개변수를 설명합니다.
아자라크쉬 잘랄반드
새로운 소식? 프린스턴 대학교와 DOE의 프린스턴 플라즈마 물리학 연구소(PPPL)의 연구원들은 이제 AI를 사용하여 플라즈마 내의 자기장 선이 끊어져 토카막의 제어를 벗어날 수 있는 기회를 제공하는 " 티어링 모드 불안정 “를 방지하는 방법을 알아냈습니다.
“티어링 모드 불안정성은 플라즈마 파괴의 주요 원인 중 하나이며, 충분한 에너지를 생산하는 데 필요한 높은 출력에서 핵융합 반응을 실행하려고 할 때 더욱 두드러질 것입니다.” 서재민 제1저자가 말했습니다. “이는 우리가 해결해야 할 중요한 과제입니다.”
프린스턴 연구진은 샌디에이고에 위치한 미국 에너지부(DOE)의 DIII-D 토카막에서 수행한 이전 연구에서 보관된 정보를 인공 지능 시스템의 입력으로 활용했습니다.플라즈마의 특성에 영향을 받는 특정 유형의 불안정성인 티어링 모드의 발생 확률을 평가하도록 인공지능을 훈련시킴으로써 향후 실험 환경에서 이러한 발생을 예측하는 능력을 향상시킬 수 있었습니다.
인공 지능의 적용에는 반복된 시도를 통해 학습하고 선택의 결과에 따라 긍정적이거나 부정적인 피드백을 받는 능력이 특징인 강화 학습 모델로 알려진 특정 형태의 지능형 시스템을 훈련하기 위한 수단으로 인공 지능을 사용하는 것이 포함되었습니다. 이 프로세스는 핵융합 반응과 관련된 시뮬레이션 중에 “티어링 모드 불안정"으로 알려진 예상되는 이상 현상이 발생하지 않도록 통제된 실험 환경 내에서 특정 물리적 현상, 특히 자기장 조작과 관련된 현상을 제어하기 위한 목적으로 구현되었습니다.
“우리는 강화 학습 모델에 핵융합 반응의 복잡한 물리학을 모두 가르치지는 않습니다.” 공동 저자 Azarakhsh Jalalvand는 이렇게 말합니다. “우리는 목표가 무엇인지, 즉 강력한 반응을 유지하는 것과 피해야 할 것, 즉 찢어짐 모드의 불안정성, 그리고 이러한 결과를 달성하기 위해 돌릴 수 있는 노브를 알려줍니다.”
연구진은 이 알고리즘을 핵융합과 관련된 실제 실험 환경에 성공적으로 적용했습니다.
이 연구를 진행하는 동안 연구자들은 인공지능이 제안한 조정이 과도하거나 토카막의 처리 능력을 벗어난다고 판단되는 경우, 그에 따라 속도를 조절하는 등 방법론을 모니터링하고 개선할 수 있는 역량을 갖추었습니다.
연구진은 방법론을 검증하기 위해 DIII-D 토카막으로 알려진 실제 핵융합 장치에서 실험을 진행했습니다. 그 결과, 알고리즘이 티어링 모드 교란을 놀라운 정확도로 예측할 수 있으며, 최대 300밀리초 전에 충분한 경고를 제공한다는 사실이 밝혀졌습니다. 이러한 사전 경고 덕분에 관련 당사자들이 대응책을 마련하고 이러한 불안정성으로 인해 발생할 수 있는 문제를 완화할 수 있는 충분한 시간을 확보할 수 있었습니다.
인공지능은 이론적 모델에서 얻은 통찰력을 통합하는 대신 과거 데이터를 분석함으로써 실제 작동 중인 원자로에서 견고하고 에너지가 높은 플라즈마 상태를 유지하기 위한 운영 제어 전략을 수립할 수 있었다고 프로젝트의 수석 연구자인 에게멘 콜레멘은 말했습니다.
이 유망한 개념 증명은 실현을 위해서는 상당한 노력이 필요하지만 인공지능이 안정적인 핵융합을 달성할 수 있는 잠재력을 가지고 있음을 보여주는 증거입니다.
우선, DIII-D 시설에서 추가 조사가 수행될 예정입니다. 이후 연구팀은 인공 지능을 추가 토카막 시스템에 적용할 계획입니다. 티어링 모드 불안정성은 핵융합 반응의 유지를 방해하는 수많은 합병증 중 하나의 사례에 불과하다는 점을 감안할 때, 연구진은 지구에서 핵융합 에너지의 실제 적용을 방해하는 다른 장애물을 예측하고 예방할 수 있도록 AI의 기능을 확장하고자 합니다.
강화 학습에서 불안정성의 여러 원인을 해결하기 위한 한 가지 잠재적 접근 방식은 다양한 영역에서 다양한 요소를 조절할 수 있는 단일하고 포괄적인 보상 기능을 설계하는 것입니다. 공동 저자인 리카르도 쇼샤는 이를 다양한 형태의 예측 불가능성을 설명하기 위해 조정 가능한 수많은 매개변수를 조정하는 메커니즘으로 구상하고 있습니다.
여러분의 피드백과 제안을 환영합니다. 이 글에 대한 의견을 공유하거나 향후 기능에 대한 제안을 하고 싶으시면 [email protected]
로 이메일을 보내주세요.