Gyro-fluid Schließung erlernen

Kernfusion stellt eine praktisch saubere und unbegrenzte Energiequelle der Zukunft dar, wo durch das Verschmelzen kleiner geladenen Teilchen Netto-energie erzeugt werden soll. Damit dies geschieht, werden diese geladenen Teilchen auf Temperaturen erhitzt, welche die auf der Sonne übersteigen und mit extrem starken Magnetfeldern eingeschlossen, welche etwa tausendmal höher sind wie die des Erdmagnetfelds. Diese Magnetfelder zwingen die Teilchen auf Kreiselbahnen entlang der Magnetfeldlinien. Ein zentrales Problem der Kernfusion und dem Design zukünftiger Fusionsreaktoren besteht in der akkuraten Vorhersage und Reduktion des Wärmestroms auf die angrenzenden Reaktorwände. Dieser Wärmestrom stellt Wandmaterialen an extreme Herausforderungen, da er selbst den von Raketenstarts übersteigt. Die derzeit besten mathematische Modelle (Kreiselkinetik) nützen die Kreiselbewegung der Teilchen für eine effiziente Beschreibung der Dynamik aus. Diese stoßen bei der Vorhersage des Wärmestroms in aufwendigsten Berechnungen an den schnellsten Hochleistungsrechenmaschinen der Welt jedoch an ihre Grenzen. In dem Projekt LEGO (Kreiselfluidschließung erlernen) sollen exakte Relationen (Schließung) des Wärmestroms gefunden werden, welche der Schlüssel zu der sogenannten Flüssigkeitsbeschreibung (Kreiselfluid) sind. So zum Beispiel kann der Wärmestrom mit Temperaturdifferenzen in Relation gesetzt werden, wenn Teilchenkollisionen dominieren. Hier sollen diese Relationen für Kreiselfluidtheorien in kollisionenfreien und kollisionsdomierten Bedingungen abgeleitet werden, aber insbesondere auch für Bedingungen, die weder dem einen noch dem anderen Regime zuzuordnen sind. Dafür wird auf modernste Methoden in der analytischen Theorie, numerischen Mathematik und Simulationen sowie auf maschinelles Lernen zurückgegriffen. Dies soll in Zukunft das Design von Kernfusionsreaktoren und das Verständnis der darin vorherrschenden Dynamik durch die wesentlich wenig komplexeren Kreiselfluidmodelle ermöglichen.