Новое исследование раскрывает секреты солнечных нейтрино: эксперимент DUNE обещает новые детали
Ускорение поиска «магнитных теней» в термоядерном реакторе с помощью ИИ
Партнёрство государственного и частного секторов между Commonwealth Fusion Systems (CFS), Принстонской плазменной физической лабораторией (PPPL) Министерства энергетики США (DOE) и Ок-Риджской национальной лабораторией привело к разработке нового подхода на основе искусственного интеллекта (ИИ), который быстрее находит так называемые «магнитные тени» в термоядерном реакторе. Эти области защищены от интенсивного тепла плазмы.
Новый ИИ под названием HEAT-ML может заложить основу для программного обеспечения, которое значительно ускорит проектирование будущих термоядерных систем. Такое программное обеспечение может улучшить процесс принятия решений во время термоядерных операций, корректируя плазму и предотвращая потенциальные проблемы до их возникновения.
Майкл Черчилль, соавтор статьи в журнале Fusion Engineering and Design о HEAT-ML и руководитель отдела цифровой инженерии в PPPL, сказал: «Это исследование показывает, что вы можете взять существующий код и создать ИИ-заменитель, который ускорит получение полезных ответов, и открывает интересные возможности с точки зрения управления и планирования сценариев».
Исследование солнечных нейтрино
Нейтрино — призрачные частицы, которые редко взаимодействуют с обычной материей — являются тайными посланниками Солнца. Эти частицы рождаются глубоко внутри Солнца в результате процесса ядерного синтеза, который питает все звёзды.
Нейтрино покидают Солнце и пронизывают Землю в огромных количествах. Эти частицы несут информацию о внутренней работе Солнца.
Наша новая теоретическая статья, опубликованная в Physical Review Letters, показывает, что эксперимент Deep Underground Neutrino Experiment (DUNE), который сейчас находится в стадии строительства, поможет нам раскрыть глубочайшие тайны этих солнечных посланников.
Нейтрино — самые загадочные из известных фундаментальных частиц. Они были впервые предложены австрийским физиком-теоретиком Вольфгангом Паули в 1930 году, когда единственными известными субатомными частицами были электрон и протон.
Паули ввёл нейтрино, чтобы объяснить загадочные наблюдения ядерного бета-распада, при котором нестабильное ядро испускает электрон. Проблема заключалась в том, что выделялось меньше энергии, чем ожидалось, что казалось нарушением закона сохранения энергии. «Отчаянным средством» Паули для решения этой дилеммы было предложение о том, что испускается дополнительная частица: нейтрино.
Чтобы соответствовать наблюдениям, эта новая частица должна была быть очень лёгкой (менее 1% массы протона) и взаимодействовать с обычной материей чрезвычайно слабо.
Паули писал в своём дневнике: «Я сделал сегодня что-то очень плохое, предложив частицу, которую невозможно обнаружить; это то, что теоретик никогда не должен делать».
Однако мы их обнаружили. Потребовалось 26 лет, прежде чем нейтрино были обнаружены напрямую в 1956 году (приходящие из ядерных реакторов), но даже к концу 1930-х годов стало понятно, что Солнце должно производить огромный поток нейтрино в результате ядерного синтеза.
Теперь мы обнаружили очень большое количество нейтрино от Солнца и других источников. Обнаружение нейтрино привело к присуждению четырёх Нобелевских премий (1988, 1995, 2002 и 2015 годы).
В 1938 году немецко-американский физик Ханс Бете правильно предположил, что основным источником солнечной энергии является ядерный синтез протонов, наконец-то дав ответ на извечный вопрос: что заставляет Солнце светить?
В ядре Солнца ядра вынуждены объединяться под огромным давлением, иногда сливаясь вместе и высвобождая энергию и нейтрино.
Точные детали процессов термоядерного синтеза на Солнце очень чувствительны к свойствам Солнца, которые мы не можем измерить с Земли, таким как температура солнечного ядра и точное содержание определённых элементов, таких как бор.
Чтобы подтвердить наше понимание того, как светит Солнце, физикам нужен был способ получить доступ к солнечной внутренней части.
Солнечные нейтрино возникают глубоко внутри Солнца и из-за своей малой массы и призрачной природы быстро покидают его со скоростью, близкой к скорости света, неся информацию о реакциях, которые их породили.
Проведя измерения этих нейтрино, мы можем расшифровать сообщения, которые они несут из солнечного интерьера. Однако, поскольку нейтрино ведут себя не так, как «обычная» материя, и взаимодействуют только через «слабое ядерное взаимодействие», их обнаружение чрезвычайно сложно.
Эксперимент Homestake (или Дэвиса), начатый американским химиком и физиком Рэем Дэвисом в конце 60-х годов, был расположен в золотой шахте на глубине 1480 метров под Чёрными холмами в Южной Дакоте. Это защищало детектор от «шума», такого как потенциально сбивающие с толку космические лучи.
В нём использовалось около 380 000 литров (или 615 тонн) жидкости для сухой чистки, богатой хлором, в качестве детектора. Нейтрино иногда превращают хлор в радиоактивный аргон, и количество атомов аргона можно подсчитать.
Несмотря на такой колоссальный масштаб, эксперимент первоначально обнаруживал только около одного нейтрино каждые два дня. Этот результат резко расходился с теоретически предсказанной скоростью обнаружения нейтрино — около двух третей нейтрино, казалось, пропадали. Это было названо «проблемой солнечных нейтрино».
Первоначально предполагалось, что что-то не так с солнечными моделями. Например, поток нейтрино от бора-8 чрезвычайно чувствителен к температуре солнечного ядра (точнее, она зависит от температуры в 24-й степени).
Скептики ставили под сомнение наличие вообще «пропавшего нейтрино». Однако солнечные модели были усовершенствованы, и более точные измерения подтвердили, что проблема солнечных нейтрино реальна.
Оказывается, нейтрино меняют свою идентичность по мере своего путешествия. Нейтрино бывают трёх типов: электронное нейтрино, мюонное нейтрино и тау-нейтрино. Процессы ядерного синтеза на Солнце создают только нейтрино электронного типа. Но по мере того, как они движутся в пространстве, они меняют тип, и некоторые прибывают на Землю как мюонные или тау-нейтрино — невидимые для эксперимента в Хоумстейке.
Эта способность менять форму обусловлена квантово-механическим эффектом интерференции, который позволяет нейтрино колебаться туда и обратно, из одного типа в другой, на большие расстояния.
Окончательное подтверждение колебаний солнечных нейтрино пришло три десятилетия спустя от обсерватории Sudbury Neutrino Observatory (SNO), которая использовала два отдельных процесса обнаружения: заряженные токовые взаимодействия (CC), которые могут обнаруживать только нейтрино электронного типа; и нейтральные токовые взаимодействия (NC), которые могут обнаруживать все типы нейтрино.
Сравнение между ними однозначно продемонстрировало, что примерно две трети нейтрино электронного типа, произведённых на Солнце, изменили свою идентичность к тому времени, когда они достигли Земли.
Шахта Хоумстейк снова находится в авангарде исследований солнечных нейтрино с новым экспериментом под названием DUNE.
Хотя DUNE изначально не был предназначен для обнаружения солнечных нейтрино, мы показали, что DUNE сможет делать то же, что и SNO, но гораздо лучше.
DUNE — это массивный новый детектор нейтрино, который будет состоять примерно из 70 000 тонн жидкого аргона, расположенного в огромной недавно вырытой камере в подземной исследовательской лаборатории Санфорда (SURF) стоимостью более 3 миллиардов долларов США.
Это наибольшее количество жидкого аргона, которое когда-либо собиралось в одном месте. Пока Паули беспокоился, что нейтрино никогда не будут обнаружены, мы вступаем в эпоху прецизионной нейтринной физики, ставшей возможной благодаря поистине огромным детекторам, которые будут обнаруживать многие сотни тысяч нейтрино — около сотни каждый день.
Наша новая статья показывает, что DUNE сможет измерить общий поток всех типов нейтрино, используя NC-взаимодействия с ядрами аргона. DUNE не ожидал такой возможности, но мы обнаружили, что эти взаимодействия более часты и их легче наблюдать, чем считалось ранее.
Более ранняя статья показала, что DUNE также сможет измерить поток нейтрино электронного типа, используя CC-взаимодействия с аргоном. Вместе эти новые возможности позволят DUNE сравнить скорости CC- и NC-взаимодействий для высокоточного измерения доли нейтрино, меняющих свой «вкус». Это позволит проводить очень точные измерения тех квантовых свойств нейтрино, которые заставляют их менять форму.
Это также предоставит массу информации об основных секретах в ядре нашего Солнца и, в конечном итоге, об основных законах Вселенной.
fusion systems. Such software could also enable good decision‑making during fusion operations by adjusting the plasma so that potential problems are thwarted before they start.”,”\”This research shows that you can take an existing code and create an AI surrogate that will speed up your ability to get useful answers, and it opens up interesting avenues in terms of control and scenario planning,\” said Michael Churchill, co‑author of a paper in Fusion Engineering and Design about HEAT‑ML and head of digital engineering at PPPL.”,”Fusion, the reaction that fuels the sun and stars, could provide potentially limitless amounts of electricity on Earth. To harness it, researchers need to overcome key scientific and engineering challenges. One such challenge is handling the intense heat coming from the plasma, which reaches temperatures hotter than the sun’s core when confined using magnetic fields in a fusion vessel known as a tokamak. Speeding up the calculations that predict where this heat will hit and what parts of the tokamak will be safe in the shadows of other parts is key to bringing fusion power to the grid.”,”\”The plasma‑facing components of the tokamak might come in contact with the plasma, which is very hot and can melt or damage these elements,\” said Doménica Corona Rivera, an associate research physicist at PPPL and first author on the paper on HEAT‑ML. \”The worst thing that can happen is that you would have to stop operations.\””,”HEAT‑ML was specifically made to simulate a small part of SPARC: a tokamak currently under construction by CFS. The Massachusetts company hopes to demonstrate net energy gain by 2027, meaning SPARC would generate more energy than it consumes.”,”Simulating how heat impacts SPARC’s interior is central to this goal and a big computing challenge. To break down the challenge into something manageable, the team focused on a section of SPARC where the most intense plasma heat exhaust intersects with the material wall. This particular part of the tokamak, representing 15 tiles near the bottom of the machine, is the part of the machine’s exhaust system that will be subjected to the most heat.”,”To create such a simulation, researchers generate what they call shadow masks. Shadow masks are 3D maps of magnetic shadows, which are specific areas on the surfaces of a fusion system’s internal components that are shielded from direct heat. The location of these shadows depends on the shape of the parts inside the tokamak and how they interact with the magnetic field lines that confine the plasma.”,”Originally, an open‑source computer program called HEAT, or the Heat flux Engineering Analysis Toolkit, calculated these shadow masks. HEAT was created by CFS Manager Tom Looby during his doctoral work with Matt Reinke, now leader of the SPARC Diagnostic Team, and was first applied on the exhaust system for PPPL’s National Spherical Torus Experiment‑Upgrade machine.”,”HEAT‑ML traces magnetic field lines from the surface of a component to see if the line intersects other internal parts of the tokamak. If it does, that region is marked as \”shadowed.\” However, tracing these lines and finding where they intersect the detailed 3D machine geometry was a significant bottleneck in the process. It could take around 30 minutes for a single simulation and even longer for some complex geometries.”,”HEAT‑ML overcomes this bottleneck, accelerating the calculations to a few milliseconds. It uses a deep neural network: a type of AI that has hidden layers of mathematical operations and parameters that it applies to the data to learn how to do a specific task by looking for patterns. HEAT‑ML’s deep neural network was trained using a database of approximately 1,000 SPARC simulations from HEAT to learn how to calculate shadow masks.”,”HEAT‑ML is currently tied to the specific design of SPARC’s exhaust system; it only works for that small part of that particular tokamak and is an optional setting in the HEAT code. However, the research team hopes to expand its capabilities to generalize the calculation of shadow masks for exhaust systems of any shape and size, as well as the rest of the plasma‑facing components inside a tokamak.”,”\n\t\t\t\t\t\t\t\t\t\t\t\t\tProvided by\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\tPrinceton University\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t”,”\n\t\t\t\t\t\t\tMore from High Energy, Nuclear, Particle Physics\n\t\t\t\t\t\t “]’>Источник