โครงการดิจิทัลทวินส์ที่ได้รับการสนับสนุนจากกระทรวงพลังงานสหรัฐอเมริกาจะทำให้สามารถพยากรณ์พฤติกรรมของพลาสม่าภายในเครื่องปฏิกรณ์นิวเคลียร์ฟิวชันภายใน 20 นาที

โครงการใหม่ที่ได้รับการสนับสนุนจากกระทรวงพลังงานสหรัฐอเมริกามุ่งเน้นการใช้ดิจิทัลทวินส์ของอุปกรณ์ SPARC ภายใต้ Commonwealth Fusion Systems (CFS) เพื่อพยากรณ์พฤติกรรมของพลาสม่าภายในเครื่องปฏิกรณ์ฟิวชันภายในเวลาไม่เกิน 20 นาที โครงการนี้ได้รับการนำโดยบริษัทพลังงานฟิวชันของสหรัฐอเมริกา ร่วมกับห้องปฏิบัติการแห่งชาติ 4 แห่งของกระทรวงพลังงาน NVIDIA, Google DeepMind และนักวิจัยจากหลายสถาบันการศึกษา โครงการนี้จะพัฒนาดิจิทัลทวินส์เพื่อพยากรณ์การทำงานของ SPARC ผ่านการจำลองทางฟิสิกส์ ข้อมูลทดลอง และการคำนวณขั้นสูง

โครงการนี้เป็นส่วนหนึ่งของภารกิจ Genesis ของกระทรวงพลังงาน ซึ่งได้ประกาศรางวัลขั้นตอนที่สองเมื่อวันที่ 8 ตุลาคม

หลักการทำงานของดิจิทัลทวินส์

ห้องปฏิบัติการฟิสิกส์พลาสม่า普林斯頓 (Princeton Plasma Physics Laboratory, PPPL) จะจัดหาซอฟต์แวร์จำลอง ข้อมูลทดลอง และทรัพยากรการคำนวณสำหรับโครงการนี้ แตกต่างจากการจำลองแบบดั้งเดิม ดิจิทัลทวินส์ที่วางแผนไว้จะเชื่อมต่อกับอุปกรณ์ SPARC จริงที่กำลังก่อสร้างอยู่ เมื่อได้รับข้อมูลทดลอง นักวิจัยวางแผนที่จะอัปเดตโมเดลเสมือนเพื่อเพิ่มความแม่นยำในการพยากรณ์และให้คำแนะนำสำหรับการทดลองในอนาคต

SPARC เป็นประเภทหนึ่งของโตคามัค (tokamak) ที่ใช้สนามแม่เหล็กอันทรงพลังเพื่อควบคุมพลาสม่าที่มีอุณหภูมิสูงมาก นักวิจัยจำเป็นต้องเข้าใจพฤติกรรมของพลาสม่าภายใต้เงื่อนไขการดำเนินงานที่แตกต่างกัน เพื่อเพิ่มประสิทธิภาพของเครื่องปฏิกรณ์ ดิจิทัลทวินส์นี้มุ่งเน้นการพยากรณ์พัลส์พลาสม่าเต็มรูปแบบ หรือหนึ่งรอบการดำเนินงานทดลอง ภายใน 20 นาที ซึ่งจะช่วยให้นักวิทยาศาสตร์สามารถวิเคราะห์ผลลัพธ์และเตรียมการปรับเปลี่ยนระหว่างการทดลองต่อเนื่องได้ PPPL จะจัดหาโค้ดจำลองฟิสิกส์ 3 ตัวที่สร้างขึ้นแล้ว ได้แก่ M3D-C1, TRANSP และ XGC

เครื่องมือเหล่านี้จำลองแง่มุมต่างๆ ของพฤติกรรมพลาสม่า และจะรวมกับซอฟต์แวร์อื่นๆ เพื่อสร้างการพยากรณ์

โครงการนี้ยังจะใช้โมเดลการคำนวณที่เร็วกว่าซึ่งได้รับการฝึกอบรมบนชุดข้อมูลการจำลองขนาดใหญ่ โมเดลเหล่านี้เรียกว่าโมเดลตัวแทน (surrogate models) สามารถประมาณผลลัพธ์ของการคำนวณที่ซับซ้อนมากขึ้นได้ ในขณะที่ต้องการเวลาการคำนวณน้อยกว่า "PPPL จะเล่นบทบาทหลักในโครงการนี้ โดยมีส่วนร่วมในด้านวิศวกรรมซอฟต์แวร์พื้นฐานและโมเดล SI โมเดลฟิสิกส์แก่น ข้อมูลโตคามัคในอดีต และทรัพยากรคอมพิวเตอร์ประสิทธิภาพสูง" ไมเคิล ชอร์ชิล (Michael Churchill) หัวหน้ากลุ่มวิทยาศาสตร์ปัญญาประดิษฐ์ของ PPPL กล่าว เวลา 20 นาทีที่วางแผนไว้เป็นเป้าหมายการพัฒนา ไม่ใช่ผลลัพธ์ประสิทธิภาพที่พิสูจน์แล้ว

นักวิจัยยังคงต้องตรวจสอบความแม่นยำของการพยากรณ์ภายใต้เงื่อนไขการดำเนินงานจริง

ก่อนนำเทคโนโลยีไปใช้กับ SPARC นักวิจัยจะใช้การทดลองโตคามัคทรงกลมแห่งชาติอัปเกรด (NSTX-U) ของ PPPL เพื่อทดสอบและตรวจสอบขั้นตอนการทำงานของดิจิทัลทวินส์ แพลตฟอร์มทดลองนี้จะช่วยให้นักวิทยาศาสตร์สามารถประเมินความแม่นยำของโมเดลของพวกเขาในการทำซ้ำพฤติกรรมพลาสม่า รวมถึงว่ามันสามารถสนับสนุนการตัดสินใจในการทดลองฟิวชันได้อย่างน่าเชื่อถือหรือไม่ ข้อมูลจาก NSTX-U และการทดลอง PPPL ในช่วงแรกก็จะช่วยฝึกอบรมและประเมินโมเดลเหล่านี้ ชุดข้อมูลบางส่วนจะถูกเปิดให้ชุมชนวิจัยฟิวชันในวงกว้างเข้าถึงได้

พันธมิตรและเป้าหมายระยะยาว

นอกจาก PPPL แล้ว การร่วมมือนี้ยังรวมถึงห้องปฏิบัติการแห่งชาติอ็อกริดจ์ (Oak Ridge National Laboratory) ห้องปฏิบัติการแห่งชาติลอเรนซ์ ลิฟเยอร์มอร์ (Lawrence Livermore National Laboratory) และห้องปฏิบัติการแห่งชาติแอ็กเซลเลอเรเตอร์ SLAC (SLAC National Accelerator Laboratory) สถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) มหาวิทยาลัยคาร์เนกี เมลลอน (Carnegie Mellon University) General Atomics, NVIDIA, Google DeepMind และ Synopsys ก็จะมีส่วนร่วมเช่นกัน โครงการนี้สร้างขึ้นบนงานพัฒนาดิจิทัลทวินส์ที่มีอยู่ของ CFS โดยขยายงานดังกล่าวผ่านการวิจัยและการร่วมมือที่ได้รับการสนับสนุนจากกระทรวงพลังงาน เป้าหมายระยะยาวคือการสนับสนุน ARC ซึ่งเป็นโรงไฟฟ้าฟิวชันเชิงพาณิชย์ที่ CFS วางแผนจะพัฒนาหลัง SPARC

นักวิจัยหวังว่าดิจิทัลทวินส์จะช่วยให้พวกเขาสามารถประเมินเงื่อนไขการดำเนินงาน ปรับปรุงการออกแบบเครื่องปฏิกรณ์ และลดเวลาที่จำเป็นในการพัฒนาระบบฟิวชันในอนาคต

อย่างไรก็ตาม SPARC ยังคงอยู่ระหว่างการก่อสร้าง และแพลตฟอร์มใหม่ยังไม่ได้แสดงความเร็วในการพยากรณ์หรือความแม่นยำตามที่คาดหวัง ส่วนส่วนร่วมสุดท้ายต่อพลังงานฟิวชันเชิงพาณิชย์จะขึ้นอยู่กับการทดสอบและการตรวจสอบที่ประสบความสำเร็จ

ผลกระทบที่เป็นไปได้ของดิจิทัลทวินส์ต่อการวิจัยฟิวชัน

โครงการดิจิทัลทวินส์นี้เป็นการก้าวหน้าสำคัญของการวิจัยพลังงานฟิวชัน เนื่องจากมันสามารถให้การพยากรณ์พฤติกรรมของพลาสม่าภายในเวลาสั้น ซึ่งเป็นสิ่งสำคัญสำหรับการเพิ่มประสิทธิภาพเครื่องปฏิกรณ์ ผ่านการเชื่อมต่อกับอุปกรณ์จริง นักวิจัยสามารถปรับปรุงการออกแบบทดลองได้เร็วขึ้น ซึ่งจะเร่งการพัฒนาเทคโนโลยีฟิวชัน แม้ว่าปัจจุบันยังคงต้องตรวจสอบความแม่นยำของการพยากรณ์ แต่ความสำเร็จของโครงการนี้อาจเปลี่ยนแปลงกระบวนการค้าขายพลังงานฟิวชันในอนาคต และสร้างผลกระทบลึกซึ้งต่อการตอบสนองความต้องการพลังงานระดับโลก