Frontier-Supercomputer hilft US-Wissenschaftlern bei der Modellierung kosmischer Plasmastürme

US-Wissenschaftler haben sich dem weltweit ersten Exascale-Supercomputer, dem Frontier, zugewandt, um die magnetische Turbulenz in Plasma zu entschlüsseln, die weithin als eines der hartnäckigsten Probleme der Physik gil US-Wissenschaftler haben sich dem weltweit ersten Exascale-Supercomputer, dem Frontier, zugewandt, um die magnetische Turbulenz in Plasma zu entschlüsseln, die weithin als eines der hartnäckigsten Probleme der Physik gilt.

Forscher des Oak Ridge National Laboratory (ORNL) des Department of Energy (DOE) nutzten KI-Modelle, um den weltweit drittschnellsten Exascale-Supercomputer zu trainieren, um das chaotische Verhalten von Plasma präzise zu erfassen.

Den Ergebnissen zufolge könnte die Entdeckung die Forschung stark umgestalten und die Art und Weise verbessern, wie Wissenschaftler Supernova-Explosionen modellieren. Sie könnte auch beim Bau effizienterer Kernfusionsreaktoren helfen.

„Diese Art von Fähigkeit war lange

„Diese Art von Fähigkeit war lange der Traum von Astrophysikern und vielen anderen Wissenschaftlern“, sagte Eliu Huerta, PhD, ein computergestützter Wissenschaftler des Argonne National Laboratory, der die Studie beaufsichtigte.

„Es ist das erste Mal, dass dieses Maß an Einblick mittels KI für Systeme dieser Komplexität erreicht wurde.“ Modellierung kosmischer Explosionen Die magnetohydrodynamische (MHD) Turbulenz ist ein komplexer und chaotischer Prozess, der bestimmt, wie elektrisch geladene Gase (Plasmen) unter dem Einfluss magnetischer Felder verhalten.

Diese turbulenten Strömungen werden im gesamten Universum gefunden. Sie formen Sonneneruptionen, Supernova-Explosionen und sogar die eigene magnetische Umgebung der Erde.

Allerdings ist die genaue Modellierung der

Allerdings ist die genaue Modellierung der MHD-Turbulenz eine große Herausforderung geblieben. Traditionelle Methoden, wie der Reynolds-Averaged Navier Stokes (RANS)-Ansatz, stützen sich auf vereinfachte Gleichungen, die feine Details glätten und nicht alle relevanten physikalischen Zusammenhänge berücksichtigen.

„Je chaotischer das System, desto schwieriger zu simulieren“, stellte Huerta fest. Um die Herausforderung zu bewältigen, entwickelten die Wissenschaftler einen zweistufigen Ansatz.

Erstens lernt ein physikbasierter neuronaler Operator das Verhalten von Plasma, während er abbildet, wie sich das System im Laufe der Zeit entwickelt. Anschließend springt ein diffusionsbasiertes Modell ein, um die feineren Details zu rekonstruieren und so die kleinen Wirbel und schnellen Fluktuationen zu regenerieren, die turbulente Strömungen definieren.

Leistung und Energieausbeute

Das Training der Modelle zur Generierung von Tausenden detaillierter Plasmasimulationen erforderte jedoch enorme Rechenleistung.

Zu diesem Zweck erhielt das Team eine Zuteilung von Rechenzeit am Frontier.

Frontier, der dritte schnellste Exascale-Supercomputer der Welt nach Aurora und El Capitan, ist in der Lage, mehr als zwei Quintillion Berechnungen pro Sekunde durchzuführen. Dies ermöglichte Simulationen, die zuvor unerreichbar waren.

„Frontier war ein Lebensretter für uns“,

„Frontier war ein Lebensretter für uns“, sagte Semih Kacmaz, ein Doktorand, der das Projekt leitete.

„Wir nutzten Frontier, um hochauflösende Datensätze zu generieren, um unser Diffusionsmodell zu trainieren und unsere physikbasierten neuronalen Operatoren zu trainieren.“ Seine Geschwindigkeit ermöglichte es dem Team, neuronale Operatoren zu trainieren, um die gesamte MHD-Turbulenz zu erfassen.

Zwischenzeitlich lernte ein Diffusionsmodell feinere Details wie kleine Wirbel und Strömungen. Zusammen arbeiteten sie als KI-Team, um die Turbulenz zu simulieren.

Dies ergab ein System, das hochdetaillierte

Dies ergab ein System, das hochdetaillierte Turbulenzvorhersagen in Sekunden erstellen kann und dabei die Fehler im Vergleich zu früheren Methoden um mehr als die Hälfte reduziert. „Dies ist das erste Mal, dass KI magnetisierte Turbulenz unter solch extremen Bedingungen zuverlässig modellieren konnte“, schloss Huerta in einer Pressemitteilung.

„Durch die Kopplung der physikbasierten neuronalen Operatoren mit generativer Diffusion haben wir ein Rahmenwerk geschaffen, das die Gleichungen respektiert und gleichzeitig die volle Komplexität des Plasmas wiedergewinnt.“ Das Team plant, das Modell zu erweitern, um komplexere Systeme zu bewältigen, einschließlich vollständiger 3D-Plasmasimulationen und astrophysikalischer Umgebungen sowie Anwendungen wie die Modellierung von Turbulenzen in Kernfusionsreaktoren.