Ключови изводи
- Изследователите използват AI за напредък в изследванията на термоядрения синтез.
- Една компания използва изкуствения интелект на Google, за да контролира своите експерименти за синтез.
- AI също задвижва напредъка в медицината, включително откриването на рак.
Практическата термоядрена енергия може да се доближава до реалността благодарение на напредъка в изкуствения интелект (AI), казват експерти.
Американска компания твърди, че ускорява пътя към термоядрен синтез чрез използване на машинно обучение. TAE Technologies намали изчислителните задачи, които някога отнемаха месеци, до само няколко часа, използвайки AI. Това е една от многото компании, които използват изкуствен интелект, за да помогнат в изследванията.
"Това, което все още не знаем за термоядрения синтез - например как да достигнем и поддържаме стабилни условия на термоядрения синтез - се крие в данните", Диого Ферейра, професор по информационни системи в Университета на Лисабон в Португалия, който изучава приложението на AI в изследванията на термоядрения синтез, каза пред Lifewire в интервю по имейл.
„Не забравяйте, че термоядрената машина е сложен научен експеримент, но едно е сигурно – всички тези машини имат десетки, ако не и стотици диагностични системи, свързани с нея“, добави той. „Това означава, че един експеримент, който продължава само няколко секунди, може да генерира количество данни от порядъка на 10 до 100 гигабайта.“
Star Power
Практическият синтез е форма на генериране на електроенергия, която създава електричество, използвайки топлина от реакции на ядрен синтез. Това е същия тип реакция, която захранва звездите.
След десетилетия на бавен напредък изследванията в областта на термоядрения синтез се загряват. Учените наскоро обявиха, че са генерирали най-високия устойчив енергиен импулс, създаван някога чрез сливане на атоми, повече от удвоявайки собствения си рекорд от експерименти, извършени през 1997 г.
TAE Systems се надява, че AI може да помогне за преодоляване на техническите бариери. Компанията използва дълъг 100 фута термоядреен цилиндър, наречен Norman, за експерименти. AI на Google се използва за пресяване на огромните количества данни, генерирани по време на изследването.
„С нашата помощ, използвайки машинна оптимизация и наука за данни, TAE постигна основните си цели за Norman, което ни доближава една стъпка по-близо до целта за сливане на рентабилност“, написа Тед Балц, старши щатен софтуерен инженер, Google Research на сайта на компанията. „Машината поддържа стабилна плазма при 30 милиона Келвина за 30 милисекунди, което е степента на наличната мощност на нейните системи. Те са завършили дизайна на още по-мощна машина, която се надяват да демонстрира условията, необходими за термоядрен синтез преди края на десетилетието."
Машинното обучение е необходимо за анализиране на експерименти за откриване на тенденциите, които управляват поведението на термоядрената плазма, каза Ферейра. И изследователите се нуждаят от усъвършенствани подходи за контрол на експеримента извън твърдо кодираните аларми и задействания, които използват в момента.
"В момента използваме примитивни системи за управление, които натискат спирачките при първия признак на проблем", каза Ферейра. „Нуждаем се от AI техники, които да ни преведат безопасно през тънкостите на надеждното управление на термоядрена машина, за да генерираме нетна изходна енергия.“
AI на помощ
Медицинските изследвания са друга област, в която AI се използва. AI е полезно допълнение към работата на човешките учени, тъй като машините и хората са добри в различни задачи, необходими в изследванията, Sungwon Lim, главен изпълнителен директор на Imprimed Inc., базиран на AI инструмент за предсказуемо откриване на рак, каза пред Lifewire по имейл.
"Там, където хората са в състояние да измислят креативни решения и иновации, машините могат да анализират огромни количества данни бързо и точно", каза той. „Изкуственият интелект може също така да изпълнява видовете досадни, повтарящи се задачи, които могат да накарат изследователите да се уморят и да направят грешки. Това прави AI идеален инструмент за изследвания, при които моделите трябва бързо да бъдат открити в много големи набори от данни."
Неотдавнашно проучване на изследователи от Университета на Илинойс, публикувано в Journal of Critical Reviews in Oncology, показа, че машинното обучение в момента се съревновава, а в някои случаи и надминава обучените клиницисти в диагностиката и прогнозирането на резултатите при рак на пикочния мехур.
„Критичната роля на изкуствения интелект в ранната диагностика на рака не може да бъде надценена, защото всяка година милиони случаи на рак остават недиагностицирани до късните стадии на заболяването, където терапевтичните възможности стават изключително ограничени или несъществуващи“, Сохейла Борхани, една от автора на статията каза на Lifewire в имейл.
