लेजर एनर्जेटिक्स (LLE) के लिए रोचेस्टर की प्रयोगशाला विश्वविद्यालय ओमेगा लेजर, दुनिया की प्रमुख शैक्षणिक लेजर स्थापना से सुसज्जित है। एक नज़र में, यह हल्के कणों और प्लाज्मा के एक विस्तृत संगमरमर रनवे की तरह दिखता है, जो एक छोटे से क्रॉसहेयर लक्ष्य पर ध्यान केंद्रित करने से पहले एक बीम को विभाजित करने और प्रवर्धित करने में सक्षम है। इसका मुख्य मिशन एस्ट्रोफिजिकल घटनाओं का पता लगाना है, चरम परमाणु-पैमाने पर दबावों पर परीक्षण सामग्री, और विघटनकारी संलयन अनुसंधान को आगे बढ़ाने के लिए काम करना है।
अमेरिकी ऊर्जा विभाग (डीओई) राष्ट्रीय परमाणु सुरक्षा प्रशासन से 2024 के माध्यम से $ 503 मिलियन के अनुदान के लिए धन्यवाद, रोचेस्टर लेजर प्रयोगशाला ने इन महत्वपूर्ण अध्ययनों के संचालन के लिए आदर्श शर्तें पैदा की हैं। लेजर लैब महीने में एक बार जटिल संलयन प्रयोगों का संचालन करता है, और वैज्ञानिकों के पास लेज़रों को फायर करने और डेटा रिकॉर्ड करने के लगभग पांच अवसर होते हैं। मल्टी-फिजिक्स फील्ड कंप्यूटर सिमुलेशन के माध्यम से, वैज्ञानिक फ्यूजन प्लाज्मा, डिज़ाइन प्रयोगों की गहरी समझ हासिल करने और परिणामों की व्याख्या करने में सक्षम हैं, भले ही ये सिमुलेशन सभी प्रयोगात्मक विवरणों को पूरी तरह से पुन: पेश नहीं कर सकते।
प्रयोग एक प्लास्टिक कैप्सूल के साथ शुरू हुआ, जिसमें जमे हुए ड्यूटेरियम-ट्रिटियम, बस व्यास में मिलीमीटर, निरपेक्ष शून्य से 20 डिग्री के तापमान पर, "लेल के निदेशक क्रिस्टोफर डेनी ने कहा। फिर, एक सेकंड के एक अरब में, कैप्सूल संकुचित हो जाता है। एक मानव बाल स्ट्रैंड की तुलना में छोटा व्यास और तापमान 30 मिलियन डिग्री तक बढ़ जाता है। " न केवल इस प्रक्रिया को भौतिकी के गहन ज्ञान की आवश्यकता होती है, बल्कि इस तात्कालिक होने वाली सभी घटनाओं को विस्तार से मापने के लिए उन्नत नैदानिक तकनीकों का भी उपयोग किया जाना चाहिए।
इन उन्नत नैदानिक तकनीकों द्वारा एकत्र किए गए डेटा के धन को भुनाने के लिए और अमेरिकी फ्यूजन अनुसंधान को अधिक व्यापक रूप से तेज करने के लिए, LLE वैज्ञानिक कृत्रिम बुद्धिमत्ता (AI) और अन्य उन्नत कम्प्यूटेशनल तकनीकों की ओर रुख कर रहे हैं।
50 से अधिक वर्षों के लिए, LLE सक्रिय रूप से जड़त्वीय कारावास फ्यूजन (ICF) के क्षेत्र में मुख्य चुनौतियों को बढ़ावा दे रहा है और संबोधित कर रहा है। आईसीएफ को व्यापक रूप से वैज्ञानिक समुदाय में नियंत्रित थर्मोन्यूक्लियर संलयन को प्राप्त करने के लिए सबसे आशाजनक दृष्टिकोण के रूप में मान्यता प्राप्त है और एक आशाजनक स्वच्छ, नवीकरणीय ऊर्जा प्रौद्योगिकी का प्रतिनिधित्व करता है।
रोचेस्टर विश्वविद्यालय में कंप्यूटर विज्ञान के एसोसिएट प्रोफेसर क्रिस्टोफर कानन बताते हैं, "आईसीएफ अनिवार्य रूप से एक उलटा भौतिकी समस्या है, जहां वैज्ञानिकों को लेजर और लक्ष्य के सटीक गुणों को उलटने की आवश्यकता है।"
ओमेगा खुद को इग्निशन प्राप्त करने के लिए नहीं बनाया गया था, बल्कि लेजर-चालित प्रत्यक्ष-ड्राइव संलयन की समझ को आगे बढ़ाने के लिए। लिवरमोर नेशनल लेबोरेटरी में नेशनल इग्निशन फैसिलेट, जो ओमेगा की तुलना में 60 गुना अधिक ऊर्जावान है, ने उलटा भौतिकी की समस्या का समाधान पाया है और पहले ही 2022 में इग्निशन हासिल कर लिया है। ओमेगा में की गई प्रगति और इग्निशन की उपलब्धि सांख्यिकीय मॉडलिंग पर भरोसा करती है भौतिकी की हमारी पूरी समझ में अंतराल को भरने के लिए।
सिमुलेशन और प्रयोगों के बीच मौजूद ज्ञान अंतर भौतिकी की जटिलता, मापों की सीमाओं, और अनुसंधान प्रयास के व्यापक दायरे से उपजा है, जिसमें परमाणु भौतिकी, प्लाज्मा भौतिकी और सामग्री विज्ञान अनुसंधान शामिल हैं जो चरम परिस्थितियों में भी आयोजित किए गए हैं जो यहां तक कि चुनौती देते हैं। सबसे उन्नत कंप्यूटर कोड।
सबसे पहले, लक्ष्य का सवाल है; प्रयोग एक खोखले प्लास्टिक क्षेत्र के साथ शुरू होता है जिसे एक पिन की नोक पर रखा जा सकता है; LLE शोधकर्ता गोले को बनाने और इसे हाइड्रोजन आइसोटोप से भरने के लिए सटीक उपकरण का उपयोग करते हैं, जो तब पूर्ण शून्य के पास ठंडा हो जाते हैं। ठंड प्रक्रिया ने हाइड्रोजन को प्लास्टिक के खोल के अंदर बर्फ की एक परत बनाने का कारण बना दिया।
LLE रिसर्च टीम अधिक सटीक भविष्यवाणियों का उत्पादन करने के लिए कंप्यूटर सिमुलेशन को मार्गदर्शन करने के साधन के रूप में डेटा में बारीकियों और पैटर्न का सही पता लगाने के लिए एक तरीका खोज रही है। यह बेहतर भविष्य कहनेवाला क्षमता बदले में संलयन प्रयोगों को परिष्कृत करेगी और अगली पीढ़ी को फ्यूजन रिसर्च और लेजर तकनीक को चलाएगी।
आर्टिफिशियल इंटेलिजेंस, और विशेष रूप से इसकी सबफील्ड मशीन लर्निंग, कंप्यूटर कोड की भविष्यवाणी प्रभावकारिता को अनुकूलित करने और अनुभव के माध्यम से भविष्यवाणियों में सुधार करने में मदद कर सकती है। मशीन लर्निंग न केवल भविष्य कहनेवाला विश्लेषण करता है, बल्कि डेटा को संसाधित करता है, रिश्तों को संक्रमित करता है, और इस ज्ञान को अपने कार्यों पर लागू करता है।
रोचेस्टर विश्वविद्यालय में मैकेनिकल इंजीनियरिंग विभाग और भौतिकी और खगोल विज्ञान विभाग में Riccardo Betti, LLE के मुख्य वैज्ञानिक और रॉबर्ट एल। मैकक्रॉरी प्रोफेसर ने कहा, "अब हमारे पास एक बड़ी मात्रा में प्रयोगात्मक डेटा है, जो मदद से है, मशीन लर्निंग, सिमुलेशन को सही करने और प्रयोगों के लिए वास्तविक समय के समायोजन को निर्देशित करने के लिए उपयोग किया जा सकता है।
बेट्टी और कानन का शोध कार्य जेनेरिक आर्टिफिशियल इंटेलिजेंस में हाल के प्रगति पर आधारित है, एक एआई तकनीक जो डेटा और आउटपुट के अन्य रूपों को उत्पन्न करती है, जैसे कि पाठ और वीडियो। यूनिवर्सिटी ऑफ रोचेस्टर रिसर्च टीम सिमुलेशन की सटीकता में सुधार करने के लिए उलटा भौतिकी समस्याओं को हल करने के लिए इन उन्नत एल्गोरिदम का उपयोग कर रही है। अमेरिकी ऊर्जा विभाग के फ्यूजन एनर्जी साइंसेज (FES) कार्यक्रम ने इस शोध के लिए फंडिंग सहायता में लगभग $ 3 मिलियन प्रदान किए हैं, जो 2026 तक पूरा होने की उम्मीद है।
रिकार्डो बेट्टी ने कहा: "हमारा लक्ष्य जनरेटिव एआई की मदद से सिमुलेशन भविष्यवाणियों में सुधार करना है और लेजर-टारगेट इंटरैक्शन के गुणों का सटीक अनुमान लगाना है। हम फ्यूजन तकनीक के भविष्य को तेज करने के लिए एआई की शक्ति का उपयोग कर रहे हैं।"
डॉ। वरचास गोपालास्वामी, एलएलई के सिद्धांत विभाग के एक वैज्ञानिक और मैकेनिकल इंजीनियरिंग के सहायक प्रोफेसर, कहते हैं, "एक बार जब हम सिमुलेशन भविष्यवाणियों और प्रयोगात्मक परिणामों के बीच एक विसंगति का अनुभव करते हैं, तो हम दोनों को समेटने के लिए मशीन सीखने को लागू करने में सक्षम हैं।" वह आगे बताते हैं, "यदि प्रयोग में कोई चर बदलता है, तो क्या सिमुलेशन तदनुसार प्रतिक्रिया दे सकता है? क्या उस प्रतिक्रिया को प्रयोग में परिलक्षित किया जाएगा? यह हमारी परिकल्पना की सटीकता को मान्य करेगा और यह निर्धारित करेगा कि क्या हम चर को समायोजित कर सकते हैं या तदनुसार एक शमन रणनीति विकसित कर सकते हैं। । " गोपालस्वामी ने कहा, "मशीन लर्निंग के डेटा में पैटर्न के गहन विश्लेषण के साथ, हम नई परिकल्पनाओं को तैयार करने, विभिन्न भौतिक घटनाओं का पता लगाने और बेहतर प्रयोगों को डिजाइन करने में सक्षम थे।"
गोपालास्वामी ने यह भी कहा, "आईसीएफ का सामना करने की चुनौतियों में से एक यह है कि एआई को प्रशिक्षित करने के लिए हमने जो फ्यूजन प्रयोगात्मक डेटा का उपयोग किया था, वह बिल्ली के चित्रों के विशाल डेटाबेस की तुलना में अपेक्षाकृत सीमित था। इस मामले में, उपलब्ध अनुभवजन्य डेटा का उपयोग करना विशेष रूप से चुनौतीपूर्ण है कि उपलब्ध अनुभवजन्य डेटा का उपयोग करना विशेष रूप से चुनौतीपूर्ण है। ज्ञान अंतराल को पाटने के लिए।
अमेरिकन फिजिकल सोसाइटी ने 30 KJ ओमेगा लेसर के साथ इम्प्लोसियन प्रयोगों की भविष्यवाणी करने, डिजाइन करने और विश्लेषण करने में उनकी अग्रणी उपलब्धियों के लिए प्लाज्मा भौतिकी अनुसंधान में उत्कृष्टता के लिए जॉन डॉसन अवार्ड के साथ बेट्टी, गोपालास्वामी और अन्य एलएलएल वैज्ञानिकों के काम को मान्यता दी है।
रोचेस्टर लेजर लेजर लेबोरेटरी में आर्टिफिशियल इंटेलिजेंस एंड मशीन लर्निंग रिसर्च ने प्लाज्मा और अल्ट्राफास्ट लेजर साइंस एंड इंजीनियरिंग डिवीजन के निदेशक डस्टिन फ्राउला और उनकी टीम द्वारा कई खोजों में भी योगदान दिया है। अपने करियर के दौरान, फ्राउला और उनकी टीम ने विभिन्न प्रकार की तकनीकें विकसित की हैं, जिसमें थॉमसन बिखरने के माध्यम से प्लाज्मा तापमान को मापने के लिए एक भी शामिल है, और यहां तक कि "फ्लाई-फोकस" तकनीकों में नई जमीन को भी तोड़ा है या लंबी दूरी पर लेजर तीव्रता को नियंत्रित किया गया है। और मशीन लर्निंग हम प्रयोगों को डिजाइन करने के तरीके में क्रांति ला रहे हैं, जिससे हम अगली पीढ़ी की सुविधाओं की कल्पना करते हुए बेहतर लेज़रों का निर्माण कर सकते हैं। "वह आगे बताते हैं," लेज़रों का उपयोग विभिन्न तरीकों से किया गया है। वह आगे बताते हैं, "लेजर बीम के स्पेक्ट्रम में कई रंग प्लाज्मा को बीम के माध्यम से अधिक कुशलता से प्रचारित करने में मदद करेंगे, और एआई हमें इन विभिन्न रंगों और प्लाज्मा के बीच जटिल बातचीत को समझने में मदद करता है।"
अंत में, एनर्जी के सेंटर फॉर न्यूक्लियर फ्यूजन रिसर्च ने LLE को एक राष्ट्रीय अनुसंधान केंद्र का पदनाम दिया है, जो एक आशाजनक स्वच्छ ऊर्जा प्रौद्योगिकी को आगे बढ़ाने के लिए डिज़ाइन किया गया है, जो भारी हाइड्रोजन (ड्यूटेरियम और ट्रिटियम) परमाणुओं के संलयन पर निर्भर करता है। ऊर्जा का उत्पादन करने के लिए।
रोचेस्टर विश्वविद्यालय के अंतःविषय अनुसंधान शक्तियों पर भरोसा करते हुए, LLE ने अभिसरण अनुसंधान में कृत्रिम बुद्धिमत्ता और मशीन सीखने के आवेदन को बढ़ाने के लिए कई छात्रों को सफलतापूर्वक भर्ती किया है।
गोपालस्वामी के अनुसार, "हमारा उद्देश्य हमारे नैदानिक उपकरणों की सटीकता को और बढ़ाने के लिए मशीन सीखने के लिए एक निरंतर जुनून के साथ छात्रों को प्रेरित करना है। वास्तव में, हमें एआई विशेषज्ञों की आवश्यकता है। हालांकि, भौतिकविदों की भूमिका यह सुनिश्चित करने के लिए अपरिहार्य है कि मॉडल सही हैं और वैज्ञानिक रूप से ध्वनि।
उन्होंने कहा, "जैसा कि राष्ट्र स्वच्छ ऊर्जा और टिकाऊ शक्ति के लिए संक्रमण करता है, फ्यूजन अनुसंधान में एआई का अनुप्रयोग आशाजनक है और एक उभरता हुआ कार्यबल क्षेत्र बन सकता है।"
मैकेनिकल इंजीनियरिंग विभाग में LLE के थ्योरी डिवीजन और रिसर्च असिस्टेंट प्रोफेसर के निदेशक वैलेरी गोनचारोव ने कहा, "आर्टिफिशियल इंटेलिजेंस हमारे शोध का मार्गदर्शन करने के लिए एक महत्वपूर्ण उपकरण है। इन उपकरणों को अनुकूलित करके, हम अपने शोध परिणामों को बढ़ा सकते हैं। जबकि ये उपकरण अनुसंधान की सुविधा प्रदान करते हैं। , नवाचार के लिए ड्राइविंग बल अभी भी हमारी बुद्धिमत्ता से उपजा है।
