- 英美两台超级计算机将连接以训练人工智能模型。
- 该联盟旨在结合不同实验数据以提高预测准确性。
- 数字孪生将帮助模拟和预测融合机器行为。
- 合作伙伴仍在探索技术要求和后续行动。
英国及美国的两台融合超级计算机可能会连接起来，以便在来自不同融合装置的实验数据上训练相同的人工智能模型，这或将帮助工程师更快地设计未来的发电厂。拟议中的 SUNRISE-STELLAR-AI 联盟将连接英国原子能管理局（UKAEA）的 SUNRISE 超级计算机和普林斯顿等离子体物理实验室（PPPL）的 STELLAR-AI 平台。研究人员将使用来自牛津郡的 MAST 升级设施和新泽西州 PPPL 的 NSTX-U 设施的数据。
这两个设施都是设计相似的紧凑型球形托卡马克，这种相似性有助于研究人员结合实验结果，训练出更能预测不同机器中融合等离子体行为的模型。
该伙伴关系于 9 月 14 日在伦敦举行的全球融合政策峰会上宣布，并基于 UKAEA 与 PPPL 在 6 月签署的谅解备忘录，目前仍处于探索如何连接计算平台的阶段。
联盟的目标与重要性
拟议的联盟将允许两个超级计算平台使用来自两个国家实验室的数据训练相同的模型。这一点至关重要，因为仅使用一台融合机器的结果训练的模型在应用于另一台机器时可能会遇到困难。通过结合数据集，研究人员希望构建能够捕捉更多基本物理的机器学习系统，并做出更可靠的预测。这些计算机还可以通过模拟填补实验数据集中的空白，扩展研究人员能够研究的内容，而无需在物理机器上运行每一种情境。
英国原子能管理局工程及计算执行董事 Joe Milnes 表示：“融合是我们时代伟大的科学与工程挑战之一。为了解决这些挑战，融合需要伙伴关系。美国和英国是融合研究的全球领导者，而 SUNRISE 与 STELLAR-AI 的联盟将建立在跨大西洋合作的悠久历史基础上，进一步推进融合发展。”
SUNRISE 是英国首个专注于融合能源的人工智能超级计算机，得到了 4,500 万英镑的政府资助。STELLAR-AI 提供了 PPPL 的人工智能和高性能计算能力。计划中的系统还旨在支持这两个托卡马克设施的数字孪生发展。
数字孪生的应用
数字孪生将根据实验数据创建融合机器的详细虚拟模型。研究人员可以利用该模型在软件中测试变更并预测机器行为，然后再将其应用于物理设备。UKAEA 计算项目总监 Rob Akers 指出，两个实验室可以结合实验数据与模拟，探索尚未测试的操作条件。他表示：“我们可以共同开发这两台机器的数字孪生，以支持未来融合发电厂的设计，创建更具预测性和可行性的球形托卡马克模型，最终对融合工程师更具实用价值。”
该联盟最终可能支持未来项目的工作，包括英国的融合能源生产球形托卡马克（STEP Fusion）和 PPPL 拟议的球形托卡马克先进反应堆。研究人员还计划研究如何在这两个平台之间移动计算任务，尽管它们的硬件不同。这将允许科学家选择最适合特定计算任务的系统。PPPL 计算科学主管 Shantenu Jha 表示：“我们的目标是让模型和实验在这两个系统之间自由流动。
我们将把一组超级计算机转变为融合发现的单一引擎。”
拟议中的联盟尚未成为一个运营中的共享超级计算机，合作伙伴仍在研究其技术要求和下一步行动。
英美合作推动融合研究的未来
英美两国在融合研究领域的合作，标志着全球科学界对于解决能源挑战的共同努力。通过结合两个国家的超级计算资源，研究人员能够更有效地训练人工智能模型，这对于未来发电厂的设计至关重要。数字孪生技术的应用，将使研究人员能够在虚拟环境中进行实验，从而降低实际操作的风险和成本。这种跨国合作不仅能加速技术进步，也可能为全球能源转型带来新的契机。