Nature封面:可控核聚变里程碑式新进展,燃烧等离子体实现

简介: Nature封面:可控核聚变里程碑式新进展,燃烧等离子体实现
通过世界最大的激光,研究人员首次诱导聚变燃料自行输出能量超过了输入热量,实现了一种称为燃烧等离子体的现象。

image.png

凭借 192 束激光以及比太阳中心高三倍以上的温度,科学家们在通往几乎无污染聚变能源的漫长道路上(至少在几分之一秒内)达到了一个关键的里程碑。

今日,美国加州劳伦斯利弗莫尔国家实验室国家点火装置(National  Ignition  Facility)研究者的一项研究登上了最新一期的《自然》杂志的封面。研究者成功地激发了一种持续很短时间的聚变反应,这是一项重大的壮举,因为聚变需要非常高的温度和压力,很容易熄灭。

这项研究的最终目标是像太阳产生热量一样实现发电,通过压碎氢原子并使它们彼此靠近,然后生成氦以释放大量的能量。但是,自理论提出以来,人们和这个目标的距离一直是「需要数年时间」。

image.png

论文地址:https://www.nature.com/articles/s41586-021-04281-w

一支有  100 多人参与的团队在论文《Burning plasma achieved in inertial  fusion》中发表了四项实验的结果,并展示了他们取得的成就——燃烧等离子体( burning plasma)。有了这些结果以及 2021 年 8   月发布的跟踪实验初步结果,研究者表示他们即将迎来一个更大的进展——点火(ignition)。到那时,燃料可以继续自己「燃烧」,也将产生比激发最初反应所需能量更多的能量。

论文共同一作、劳伦斯利弗莫尔国家实验室实验物理学家 Alex Zylstra 表示,「我们离实现下一步目标非常近了。」

image.png

核聚变(nuclear  fusion)将水分子中的两种氢(氘和氚,氢的两种同位素或形式)压在一起。当它们融合时,没有参与此项研究的密歇根大学实验等离子体物理学家  Carolyn Kuranz  表示,「少量(毫克)的燃料会产生大量的能量,并且非常『干净』,不会生成放射性废弃物。这基本上是无限的清洁能源,并可以部署在任何地方。」

研究回顾

几十年来,世界各地的研究人员一直致力于这项研究,尝试了不同的方法。其中,35  个国家在法国南部合作开展了一个名为国际热核试验反应堆(International Thermonuclear Experimental  Reactor)的项目,该项目使用巨大的磁性材料来控制过热的等离子体。该项目预计将于 2026 年运营。

同样没有参与这项研究的普林斯顿等离子体物理实验室(Princeton Plasma Physics Laboratory)主任 Steven Cowley 介绍道,美国和英国开展的早期实验成功地融合了原子,但没有实现自发热。

image.png

位于劳伦斯利弗莫尔国家实验室国家点火装置的  NIF 目标湾(Target Bay)。该系统使用 192 束激光束汇聚在巨大球体的中心,使一个微小的氢燃料芯块(hydrogen fuel  pellet)内爆。图源:Lawrence Livermore National Laboratory

image.png

但现在不能指望核聚变实用化。共同一作、伦斯利弗莫尔国家实验室首席科学家 Omar Hurricane 表示,「在科学上,这些结果令我们非常兴奋。但我们离实现有效能量(useful energy)还有很长的路要走。也许需要几十年。」

image.png

美国国家点火装置(NIF)。

技术概览

获得燃烧等离子体是实现自持(self-sustaining)聚变能量的关键一步。燃烧等离子体是一种等离子体,其中聚变反应本身是等离子体中加热的主要来源,对于维持和传播燃烧是必需的,可以实现高能量增益。

经过数十年的聚变研究,研究者在实验室中实现了燃烧等离子体状态,其中一个激光装置可以在燃料胶囊中提供高达  1.9 兆焦耳的脉冲能量,峰值功率高达 500 太瓦。他们使用激光在辐射腔中产生 X 射线,然后通过 X  射线烧蚀压力间接驱动燃料胶囊,从而使得内爆过程通过机械功压缩和加热燃料。

这些实验表明,聚变自热(fusion   self-heating)超过了注入内爆的机械功,满足了几项燃烧等离子体指标。此外,研究者描述了一个似乎已经跨越静态自热边界的实验子集,其中聚变加热超过了辐射和传导的能量损失。这些结果为在实验室中研究以  α 粒子为主的等离子体和燃烧等离子体物理学提供了机会。

image.png

评估燃烧等离子体的简单指标。

此前,研究者在实验室中已经花了好几年的时间,而且很多尝试都失败了。他们做出了调整:将燃料胶囊( fuel capsule)增大了 10%。

燃料胶囊装在一个微小的黄金金属柱体中,研究者将  192 束激光对准该柱体。研究者将它加热到 1 亿度,在燃料胶囊内部产生的压力比太阳中心内部的压力高出 50% 左右。Alex Zylstra  表示,这些实验创造了持续了仅万亿分之一的燃烧等离子体,但这足以被认为是成功的。

image.png

用于融合的间接驱动惯性约束方法示意图。

总的来说,该研究中做的四项实验(分别做于  2020 年 11 月和 2021 年 2 月)产生了 0.17  兆焦耳(megajoule)的能量,远远超出了以往的尝试,但仍然不到启动该过程所用能量的十分之一。作为对比,一兆焦耳的能量大约可以将一加仑(约  3.8 升)的水加热到 100 华氏度(约 37.8 摄氏度)。

image.png

与接近点火相关的参数空间。

根据之前的信息,2021 年晚些时候所做实验的初步结果仍在接受其他科学家的审查,当时研究者能量输出达到了 1.3 兆焦耳,并持续了 100 万亿分之一秒。但即便如此,这个数值也低于达到收支平衡所需的 1.9 兆焦耳。

相关文章
|
8天前
|
人工智能 计算机视觉 网络架构
OpenAI攻克扩散模型短板,清华校友路橙、宋飏合作最新论文
扩散模型在生成AI领域取得显著成果,但其训练不稳定性和采样速度慢限制了发展。OpenAI与清华校友合作,提出连续时间一致性模型(CMs),通过TrigFlow等创新解决了这些问题,大幅提升了训练稳定性和计算效率,实现了与最优模型相当的样本质量,同时减少了计算资源消耗。
17 2
|
1月前
|
机器学习/深度学习 算法 JavaScript
为什么分享技术文章无人问津,而工具推荐却大火?
这篇文章探讨了为何工具类文章比技术干货更受欢迎的原因。工具类文章因其实用性强、门槛低、见效快,能迅速提升读者的工作效率,而技术类文章则因学习成本高、见效慢,难以在短期内获得广泛关注。文章还提供了让技术文章更受欢迎的建议,如优化标题、降低门槛及结合实用技巧等。通过借鉴工具文的写作技巧,可以使技术内容更具吸引力,同时保持其深度与专业性。
43 1
|
3月前
|
机器学习/深度学习 人工智能
清华研究登Nature,首创全前向智能光计算训练架构,戴琼海、方璐领衔
【8月更文挑战第30天】清华大学研究人员在《自然》杂志上发表了一项开创性成果,提出了一种全前向智能光计算训练架构,解决了传统光学AI方法依赖电子计算机模拟和优化的问题,实现了光学系统的自学习和自设计。该架构通过将光学系统映射到参数化神经网络中,消除了反向传播需求,展示了在多个领域的广泛应用前景,如深度光学神经网络和高分辨率散射成像等。这一成果为光学AI的发展开辟了新道路,但实际应用中仍需克服一些挑战。论文详情见:https://www.nature.com/articles/s41586-024-07687-4
46 2
|
机器学习/深度学习 人工智能 自然语言处理
ICML2023杰出论文大幅减少至6篇,北大、武理工校友获奖,大模型水印受青睐
ICML2023杰出论文大幅减少至6篇,北大、武理工校友获奖,大模型水印受青睐
100 0
ICML2023杰出论文大幅减少至6篇,北大、武理工校友获奖,大模型水印受青睐
|
机器学习/深度学习 传感器 存储
为自动驾驶汽车创造「记忆」,上交校友、康奈尔大学博士生三篇论文被CVPR 2022收录
为自动驾驶汽车创造「记忆」,上交校友、康奈尔大学博士生三篇论文被CVPR 2022收录
198 0
|
机器学习/深度学习 数据可视化 数据挖掘
CVPR 2023|哈工大南洋理工提出全球首个「多模态DeepFake检测定位」模型:让AIGC伪造无处可藏
CVPR 2023|哈工大南洋理工提出全球首个「多模态DeepFake检测定位」模型:让AIGC伪造无处可藏
256 0
|
机器学习/深度学习 编解码 自然语言处理
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布(3)
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布
314 0
|
机器学习/深度学习 编解码 算法
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布(2)
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布
288 0
|
机器学习/深度学习 编解码 算法
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布
万字解读首篇「人脸复原」综述!南大、中山、澳国立、帝国理工等联合发布
210 0
2021年度训练联盟热身训练赛第三场——C,G,I
2021年度训练联盟热身训练赛第三场——C,G,I
92 0
下一篇
无影云桌面