紧随美国能源部 (DoE) 的核聚变突破之后，该机构正在为研究人员提供 33 万美元的资金，这些研究人员可以将人工智能、机器学习和其他数据资源用于该事业。
目的是获得机器智能，以加速在几个 DoE 实验中使用的聚变能和等离子体科学的分析和模拟。 该机构是 寻求建议 [PDF] 人工智能/机器学习在现有公共数据上的应用，重点是在未来几十年内可能支持核聚变试验工厂开发的方法。
在劳伦斯利弗莫尔国家实验室 (LLNL) 的科学家们一周后进行了一轮融资 公布 他们实现了聚变点火。 该实验在 LLNL 的国家点火设施中进行，通过从 3.15 个激光器发射 2.05 兆焦耳的能量到燃料颗粒上，产生了 192 兆焦耳的能量——但有一个巨大的收获。
虽然该实验标志着已经长达数十年的通过模拟太阳内的过程来实现丰富的清洁能源的探索中的一个里程碑，但这个梦想距离现实还有很长的路要走。 问题是实现聚变点火的方法效率不高。 要产生 3.15 兆焦耳的能量，需要向实验中使用的激光器注入 322 兆焦耳的能量。
然而，美国能源部科学家认为，通过从这些实验生成的大型数据集中提取以前被忽视的见解，并改进用于模拟融合系统的模型，AI/ML 可能是改变这一现状的秘诀。
在聚变和等离子体研究中使用 AI/ML 的想法已经被提出了很多年。 早在 2018 年，聚变能源科学咨询委员会就认识到该技术在加速研究方面的潜力。 快进到本周，美国能源部现在计划在未来三年内每年为其应用研究提供 11 万美元的资金。
但在研究人员兴奋不已之前，并不是所有的资金都会用于一个项目。 相反，美国能源部预计资助 1 到 2.5 个项目，并将资金上限限制在 XNUMX 万到 XNUMX 万美元之间，并指出根据赠款的数量，实际金额可能要低得多。
预申请补助金的截止日期为 31 月 15 日，而正式申请截止日期不晚于 XNUMX 月 XNUMX 日。®
