美国橡树岭国家实验室研究人员借助世界上速度最快的开放科学超级计算机，训练出一个人工智能模型，该模型以前所未有的细节捕捉等离子体内部的磁湍流。
位于橡树岭国家实验室 (ORNL) 的 Frontier 超级计算机是首台达到百亿亿次级计算性能的超级计算机，其计算能力阈值为每秒 100 万亿亿次计算。图片来源：橡树岭国家实验室，美国能源部
此模型在能源部橡树岭国家实验室的Frontier超级计算机上训练，其成果能为从超新星建模到建造下一代核聚变反应堆等多种研究提供支持。阿贡国家实验室计算科学家埃利乌·韦尔塔称，这是人工智能首次对如此复杂的系统实现如此高水平的洞察。
湍流是热量和物质的不稳定流动，从地球大气层到等离子体与环绕恒星磁场耦合处都存在。等离子体的翻腾和旋转会产生磁流体动力学(MHD)湍流，影响从地球磁场到恒星和星系形成的一切。更好地了解MHD湍流，有助于科学家探索更多天体物理场景、设计更好的实验并改进对宇宙事件的预测。
科学家常用雷诺平均纳维 - 斯托克斯(RANS)方程等近似方法模拟湍流模式，但这些方法常忽略关键细节，无法解释所有相关物理现象。胡尔塔表示，系统越混乱越难模拟，传统AI模型也因交互作用复杂、计算量巨大，难以重现这些模式。
研究人员利用橡树岭国家实验室的 Frontier 超级计算机训练了一个人工智能模型，该模型能够捕捉等离子体内部磁湍流的细节。图片来源：Semih Kacmaz
为解决这一问题，卡克马兹确定了两阶段策略模拟磁流体动力学模式。第一阶段采用基于物理信息的神经网络算子，能学习函数集间映射关系，表达和求解物理系统控制方程;第二阶段采用基于评分的扩散模型，通过学习逆转噪声添加过程来合成复杂数据分布。
训练这些模型需强大计算能力，以生成数千个涵盖不同湍流级别的详细等离子体模拟。研究团队获得橡树岭领导计算设施(ORNL)旗舰级百亿亿次级超级计算机Frontier的计算时间，其峰值速度可达每秒2百亿亿次浮点运算。Frontier的高速运行使团队能训练神经网络算子掌握物理知识，捕捉磁流体动力学湍流整体细节，训练扩散模型捕捉更精细细节，二者协同模拟湍流。
Kacmaz称，Frontier生成的高保真数据集用于训练模型，解决了计算瓶颈问题。将工作负载分散到两个阶段，神经网络算子精确解析等离子体整体演化并建立平均流，捕捉最大特征;扩散模型重现最小、最快的波动，再现较小模式级联。
卡克马兹表示，神经算子快速提供大尺度物理信息，但湍流在微小细节中，训练扩散模型可重建所有尺度上缺失的磁场和速度结构。由此产生的框架可在几秒内提供等离子体湍流预测，与早期方法相比，模拟极端湍流时预测误差减少一半以上。
Huerta称，这是人工智能首次能在极端条件下忠实地模拟磁化湍流，通过结合基于物理信息的神经算子与生成式扩散，创建了遵循方程且恢复等离子体全部复杂性的框架。
该团队希望扩展模型，模拟更复杂系统，包括完整3D等离子体分辨率和天体物理环境，以及用于模拟核聚变反应堆的等离子体湍流等应用。
这项研究得到美国能源部科学办公室高级科学计算研究项目和国家科学基金会资助。OLCF是位于橡树岭国家实验室的美国能源部科学办公室用户设施。UT - Battelle代表美国能源部科学办公室管理橡树岭国家实验室(ORNL)，美国能源部科学办公室是美国物理科学基础研究的最大资助机构。
