クリーンで、再生可能で、放射性廃棄物が生じない核融合発電は、夢のエネルギーと言われている。

核融合は、太陽や他の星に電力を供給する現象であり、極端な条件下での水素同位体の融合を伴う。その結果、ヘリウムが生成され、最初の元素と新しく生成されたヘリウムの質量の差によってエネルギーが放出されるのだ。

先日、核融合実験において、米国のロスアラモス国立研究所が入力したエネルギーを越える出力のエネルギーを発生させることに成功したが、実際に世界のエネルギー事情に変革をもたらすにはまだまだ何十年も研究が必要と言われている。

だが、研究者たちは現在、核融合とそのクリーンエネルギー源としての可能性についての理解を深めるために、AIの力を借りて、その歩みを加速させようとしているようだ。

核融合研究と機械学習が出会う

核融合の前提条件は、使用する水素同位体の組み合わせを知ることである。

フランスのエクス・マルセイユ大学のMohammed Koubiti准教授は、『European Physical Journal D』に掲載された論文の中で、機械学習とプラズマ分光法を組み合わせた新しいアプローチにより、核融合プラズマの性能に最適な水素同位体の比率を決定したことを発表した。

Koubiti氏は、核融合発電所内で水素同位体、特に重水素とトリチウムの混合を管理するという課題に焦点を当てている。

重水素とトリチウムは、その効率の高さから核融合に好ましい同位体であるが、安全上の懸念から、使用できるトリチウムの量には厳しい規制制限がある。Koubiti氏は、方程式に機械学習を導入することで、この課題に対処することを目指している。

「最終的な目的は、分析に時間がかかる分光法の使用を避け、核融合プラズマ中のトリチウム含有量を予測するためにディープラーニングに置き換えるか、少なくとも組み合わせることです」とKoubiti氏は説明している。

この研究は、この目標に向けた第一歩に過ぎないが、Koubiti氏は、核融合プラズマ中のトリチウム含有量を時間の関数として予測するために、ディープラーニング・アルゴリズムが採用できる特徴を特定するために、分光法を使い続けていることを明らかにした。

核融合の明るい未来

核融合研究への機械学習の統合は、この分野での研究を加速する可能性を秘めている。Koubiti氏は、トリチウム含有量の予測という直接的な用途にとどまらず、JET、ASDEX-Upgrade、WEST、DIII-D、さらにはステラレータなどのトカマクを含む、さまざまな磁気核融合装置にディープラーニング技術を拡張することを想定している。

トカマクとは、強力な磁場を利用して高温プラズマをドーナツ状に閉じ込める装置で、クリーンな核融合発電が期待されている。

Koubiti氏のビジョンは、ディープラーニング・アルゴリズムが正確な予測を達成するために重要な非分光的特徴を特定する決意を明らかにしている。このアプローチは、核融合に対する理解を一変させ、理論的概念から現実への移行を加速させる可能性を秘めている。

論文

• The European Physical Journal D: Application of machine learning to spectroscopic line emission by hydrogen isotopes in fusion devices for isotopic ratio determination and prediction

参考文献

• Springer: Machine learning hunts for the right mix of hydrogen isotopes for future nuclear fusion power plants

研究の要旨

人工知能の一分野である機械学習は、物理学やその他の科学領域において、データ解析や予測にますます利用されるようになってきている。機械学習を利用するこの傾向は、現在、磁気融合に関連するようなプラズマ物理学のいくつかのトピックに関係している。ITERのような大型トカマクの建設が進行中あるいは計画されている現在、磁気融合は人工知能技術が大いに役立つ研究分野である。本短信では、特に水素同位体比決定のためのプラズマ分光法における機械学習の利用について述べる。いくつかの予備的な結果に加えて、HDとDT核融合プラズマの同位体比決定の予測に関するいくつかのアイデアと未解決の質問について議論する。