Aurora 超级计算机训练 AI 在毫秒内预测核聚变反应堆等离子体破裂

据阿贡领导级计算设施本周发布的研究成果显示,普林斯顿等离子体物理实验室的科学家正在使用阿贡国家实验室的 Aurora 百亿亿次超级计算机训练人工智能模型,这些模型能够在一毫秒内预测核聚变反应堆内部危险的等离子体不稳定性。

这项工作由普林斯顿等离子体物理实验室物理学家 William Tang 和研究员 Choongseok Chang 领导,旨在解决核聚变能源领域最紧迫的挑战之一:等离子体破裂可能突然从磁约束中释放出超高温等离子体,并对托卡马克反应堆壁造成结构性损坏。他们的研究直接服务于法国南部的国际热核聚变实验堆(ITER)项目,该反应堆设计可容纳温度高达 1.5 亿摄氏度的等离子体——大约是太阳核心温度的十倍。

百亿亿级算力助力聚变物理研究

Aurora超级计算机由英特尔和慧与科技合作开发,以1.012百亿亿次浮点运算能力(exaflops)位列全球三大最快超级计算机之一——这意味着每秒可进行超过一百京次(quintillion)运算。该系统配备了超过60,000个GPU,专为处理大规模物理模拟和人工智能训练工作负载而设计。

在极端温度下建模等离子体行为需要在广阔的时空尺度上求解多维、多物理场方程,这需要以往无法获得的计算资源。"要使经济可行的聚变反应堆成为现实,你必须能够预测并控制这些扰动,"唐教授曾表示。"为了训练预测器以达到所需的高精度,你必须使用更强大的通向百亿亿级的超级计算机"。

与时间赛跑：预测反应堆破裂性事件

在 Aurora 上训练的 AI 模型必须足够快地提供预测，以便反应堆操作员或自动化系统能够采取行动。据从事深度学习聚变研究的阿贡国家实验室计算科学家 Kyle Felker 介绍,推理的时间窗口极为紧迫:"要应用我们训练好的模型来获得预测,然后将这个预测反馈给其他聚变反应堆控制系统,我们只有一毫秒的时间"。

该团队设想的工作流程是:Aurora 利用来自全球托卡马克设施的实验数据进行大规模 AI 模型训练,而专用的 AI 加速器则在反应堆现场处理实时推理。这种方法利用在过去聚变实验的大型数据集上训练的深度神经网络,来检测预示即将发生不稳定性的模式。

推动核聚变可行性的更广泛努力

Aurora核聚变项目是人工智能驱动等离子体研究更广泛浪潮的一部分。普林斯顿的科学家最近开发了一个名为Diag2Diag的独立AI工具,该工具已发表在《自然通讯》(Nature Communications)上,可以填补缺失的诊断数据,实时监测等离子体状况。普林斯顿等离子体物理实验室(PPPL)还宣布推出STELLAR-AI平台,该平台得到美国能源部Genesis任务的支持,旨在利用机器学习加速核聚变模拟。

Tang明确阐述了这项工作的重要性:"我们在Aurora上训练的预测模型对于在ITER开展的实验研究至关重要,将使我们在实现大规模清洁、零碳能源这一终极目标的道路上迈出许多步"。