人工智能驱动的等离子体科学突破带来新的计算效率

解锁空间和核聚变澳门威尼斯人注册网站研究的潜力

通过莫林·l·斯坦顿

等离子体物理学在广泛的科学和技术领域发挥着至关重要的作用，从了解太阳和其他恒星到预测空间天气，推进聚变能，探索黑洞和中子星等宇宙现象。然而，由于带电粒子和电磁场之间复杂的相互作用，精确模拟等离子体的行为在计算上要求很高。传统的动力学模型，如Vlasov模拟，提供了详细的见解，但需要大量的计算资源，使得大规模或长期的模拟不切实际。

现在，波士顿大学的澳门威尼斯人注册网站研究人员在《美国国家科学院院刊》（PNAS）上发表了一项开创性的澳门威尼斯人注册网站研究，该澳门威尼斯人注册网站研究利用机器学习大大降低了模拟复杂等离子体动力学的计算成本。这项计算等离子体物理的新工作由波士顿大学空间物理中心博士后黄子宇博士领导，在他的导师、波士顿大学天文与电子与计算机工程助理教授、哈里里澳门威尼斯人注册网站研究所附属学院董传飞教授的指导下，由波士顿大学空间物理中心高级澳门威尼斯人注册网站研究科学家王亮贡献。

“这项澳门威尼斯人注册网站研究的重点是非线性等离子体现象，等离子体波和带电粒子以高度复杂的方式相互作用，”董解释说。“如果没有昂贵的动力学模拟，这些过程传统上很难建模。”

这项澳门威尼斯人注册网站研究对空间物理学、聚变能澳门威尼斯人注册网站研究和天体物理学具有广泛的意义。更准确、更经济的等离子体模拟可以改善太空天气预报，帮助保护卫星和电网免受太阳风暴的影响。在核聚变澳门威尼斯人注册网站研究中，这个模型可以增强对反应堆中等离子体行为的理解，加速可持续清洁能源的发展。此外，更有效地模拟复杂等离子体相互作用的能力为澳门威尼斯人注册网站研究天体物理环境开辟了新的可能性，例如黑洞和中子星周围磁化等离子体的动力学。

“通过将人工智能与基础物理学相结合，这项澳门威尼斯人注册网站研究标志着计算等离子体科学向前迈出了重要一步，为跨学科的澳门威尼斯人注册网站研究人员提供了一个强大的新工具，”董说。

突破在于使用了一种称为傅里叶神经算子（FNO）的机器学习模型，该模型有效地将动力学物理集成到流体模型中。传统的流体模型往往不能准确地捕获非线性等离子体行为，与之不同的是，基于fno的方法保留了基本的动力学效应，同时显著减少了计算需求。澳门威尼斯人注册网站研究人员证明，他们的机器学习辅助流体模型可以以很小的成本复制完全动力学模拟的结果，使高保真等离子体建模更加高效和容易。

该澳门威尼斯人注册网站研究得到了NASA 80NSSC23K0908基金和Alfred P. Sloan澳门威尼斯人注册网站研究奖学金的支持，计算资源由NASA高端计算项目和美国能源部国家能源澳门威尼斯人注册网站研究科学计算中心以及由NSF赞助的国家大气澳门威尼斯人注册网站研究中心计算和信息系统实验室提供。

要阅读完整的澳门威尼斯人注册网站研究，请访问PNAS。