機械学習技術は、科学で知られている最も複雑な反応である核融合の制御を世界中の研究者が改善するのに役立つかもしれない。

核融合反応は通常、水素原子を加熱してプラズマと呼ばれるガス状の雲を形成し、粒子同士がぶつかり合って融合する際にエネルギーを放出するものである。これらの反応をより良く制御できるようになれば、将来の核融合発電所の原子炉から大量の環境的にクリーンなエネルギーを生み出すことができるかもしれない。

サンディア国立研究所のニュース記事によると、機械学習と核融合エネルギーの関連性を明らかにする研究で、3年間で220万ドルの拠出を含むエネルギー省科学局の賞を受賞したサンディア国立研究所の研究員エイダン・トンプソンは「簡単に言えば、私たちは、プラズマと相互作用する原子炉の壁材のシミュレーションを改善するために、機械学習を利用した先駆的な取り組みを行ってきた。これまでの原子スケールのシミュレーションでは不可能だったことだ」と述べている。

期待される結果は、原子力エネルギーの出力を向上させるための手続き上の修正や構造上の修正を示唆するものであると、同氏は述べている。

核融合のモデリング

機械学習が強力なのは、目的のカテゴリのデータをすべて分析するのではなく、数学的・統計的な手段を使って状況を把握するからだ。例えば、認識システムに「犬らしさ」、つまり「これは犬だ」という概念を教えるのに必要なのは、存在するすべての犬の写真をスキャンするのではなく、一定数の犬の写真である。

サンディア国立研究所の核融合に対する機械学習アプローチも同じだが、より複雑だ。

「これらの構造物が内部的に水素、ヘリウム、重水素、トリチウムを超加熱プラズマの一部として砲撃されているため、原子炉の壁の中で何が起こっているかを物理的に観察することは、些細な問題ではない」とエイダンは言った。

サンディア国立研究所のニュース記事によると、彼は、旋回プラズマの構成要素が壁に衝突して保持壁の組成を変化させ、重原子が衝突した壁から外れてプラズマを変化させると説明した。反応は、太陽と同じくらいの温度でナノ秒で起こる。結果を改善するために試行錯誤しながら部品を修正しようとするのは、非常に手間のかかる作業だ。一方、機械学習アルゴリズムは、実験で直接測定しなくても、コンピュータが生成したデータを使用しており、最終的にはプラズマと格納容器壁材料との相互作用を損傷しにくくし、核融合炉の全体的なエネルギー出力を向上させるための情報を得ることができる。

「この情報を得るには、他に方法はありません」とエイダンは語った。

いくつかの原子が多くのエネルギーを予測する

エイダンのチームは、極端な条件下での量子力学計算の大規模なデータセットをトレーニングデータとして使用することで、原子の任意の配置のエネルギーを予測する機械学習モデルを構築できると期待している。

このモデルは、機械学習原子間ポテンシャル(MLIAP)と呼ばれ、サンディア社の受賞歴のあるLAMMPS(Large-scale Atomic/Molecular Massively Parallel Simulator)などの巨大な古典的分子動力学コードに挿入できる。このようにして、比較的少数の原子のみを調べることで、量子力学の精度を、核融合エネルギー物質の挙動をシミュレートするために必要な数百万原子規模にまで拡張することができるとされている。

「では、なぜ私たちがやっていることは機械学習であって、たくさんのデータを簿記するだけではないか? 簡単に言えば、物理学に基づいたモデルを構築するために、可能性のある変数の無限のセットから方程式を生成し、目標の範囲内に収まるように何百、何千ものパラメータを含むモデルを構築する」とエイダンは語った。

一つの問題は、MLIAPモデルの精度が、学習データとアプリケーションが遭遇する実際の原子環境との重なりに依存することだとエイダンは述べている。これらの環境は様々であり、新たな訓練データと機械学習モデルの変更が必要になる。重複を認識して調整することは、今後数年間の作業の一部だ。

「最初は我々のモデルは、小さな実験の解釈に使われるだろう。逆に、その実験データは我々のモデルを検証するために使用され、その後、実物大の核融合炉で何が起こっているかを予測するために使用することができる」

より優れた核融合炉を構築するために、核融合研究者がサンディアの機械学習モデルにアクセスできるようになる目標は、約3年後だとエイダンは述べた。

チームメンバーには、ロスアラモス国立研究所とテネシー大学ノックスビル校の研究者のほか、サンディアの研究者であるハビブ・ナジム、ロバート・コラシンスキー、ミッチェル・ウッド、ジュリアン・トランチダ、カチク・サルグシアン、メアリー・アリス・クーセンティーノが含まれている。

Photo by Sandia National Laboratories