コモンウェルス・フュージョン・システムズ（CFS）、プリンストン・プラズマ物理研究所（PPPL）、オークリッジ国立研究所（ORNL）は共同で、核融合炉内のプラズマの強烈な熱から炉の構成要素を保護する「磁気シャドウ」の特定を劇的に高速化する人工知能（AI）アプローチ「HEAT-ML」を開発しました。HEAT-MLは、Heat flux Engineering Analysis Toolkit（HEAT）の約1,000回のSPARCシミュレーションデータを用いてディープニューラルネットワークをトレーニングすることで、磁気シャドウマスク（磁気シャドウの3Dマップ）をミリ秒単位で予測します。これは、従来のHEATコードが1回のシミュレーションに約30分を要していたのと比較して、大幅な進歩です。
HEAT-MLの主な用途は、現在CFSが建設中のトカマク型核融合炉SPARCの一部をシミュレートすることです。SPARCは2027年までに正味のエネルギー利得を実証することを目指しています。プラズマの熱が炉の内部にどのように影響するかを正確に予測することで、HEAT-MLはこれらの条件に耐えうる部品の設計に不可欠な役割を果たします。このAI駆動型シミュレーションの進歩は、将来の核融合システムの設計プロセスを迅速化するだけでなく、運用上の安全性を向上させます。リアルタイムでのプラズマ構成の調整を可能にし、問題が発生する前に回避できる可能性があります。HEAT-MLの開発は、AIと機械学習が複雑な科学的課題に取り組むために核融合研究でますます活用されているという、より広範な傾向と一致しています。ORNLは、核融合エネルギー開発を加速するための3つの新しいDOE資金提供プロジェクトを主導しており、そのうちの1つは、高性能核融合プラズマの計算負荷の高いシミュレーションを加速し、デバイスのコンポーネントに堆積する温度と熱流束を予測し、加速された予測における不確実性を定量化することに焦点を当てています。このプロジェクトは、4年間で930万ドルの賞金を受け取ります。