Proxima Fusion: Münchner Startup erhält 6,5 Millionen Euro vom BMBFfür Forschungspartnerschaften zu KI für Kernfusionsreaktoren (FOTO)München -- "AI for Fusion Engineering"-Programm soll Design von Stellarator-Fusionskraftwerken mithilfe von KI vorantreiben.- Kosten für Fusionskraftwerke sollen gesenkt und deren Zuverlässigkeit verbessert werden, um sie bis Mitte 2030 marktreif zu machen.- Das Projekt umfasst Partnerschaften mit der Universität Bonn, dem Forschungszentrum Jülich und der Technischen Universität München.Das deutsche Bundesministerium für Bildung und Forschung (BMBF) fördert dasMünchner Startup Proxima Fusion (http: / / proximafusion.com) mit mehr als 6,5Millionen Euro, um in Partnerschaft mit der Universität Bonn(https: / / www.uni-bonn.de / en) , dem Forschungszentrum Jülich(https: / / www.fz-juelich.de / en) und der Technischen Universität München (TUM)(https: / / www.tum.de / en / ) die Entwicklung und Optimierung vonStellarator-Kernkraftwerken mithilfe von künstlicher Intelligenz (KI)voranzubringen.Die Partner im Projekt "AI for Fusion Engineering" vereinen interdisziplinäreExpertise in den Bereichen Plasmaphysik, maschinellem Lernen, Optimierung undInformatik.

Proxima Fusion / Proxima Fusion: Münchner Startup erhält 6,5 Millionen ...

Proxima Fusion: Münchner Startup erhält 6,5 Millionen Euro vom BMBFfür Forschungspartnerschaften zu KI für Kernfusionsreaktoren (FOTO)München (ots) -

- "AI for Fusion Engineering"-Programm soll Design von Stellarator-Fusionskraftwerken mithilfe von KI vorantreiben.- Kosten für Fusionskraftwerke sollen gesenkt und deren Zuverlässigkeit verbessert werden, um sie bis Mitte 2030 marktreif zu machen.- Das Projekt umfasst Partnerschaften mit der Universität Bonn, dem Forschungszentrum Jülich und der Technischen Universität München.

Das deutsche Bundesministerium für Bildung und Forschung (BMBF) fördert dasMünchner Startup Proxima Fusion (http://proximafusion.com) mit mehr als 6,5Millionen Euro, um in Partnerschaft mit der Universität Bonn(https://www.uni-bonn.de/en) , dem Forschungszentrum Jülich(https://www.fz-juelich.de/en) und der Technischen Universität München (TUM)(https://www.tum.de/en/) die Entwicklung und Optimierung vonStellarator-Kernkraftwerken mithilfe von künstlicher Intelligenz (KI)voranzubringen.

Die Partner im Projekt "AI for Fusion Engineering" vereinen interdisziplinäreExpertise in den Bereichen Plasmaphysik, maschinellem Lernen, Optimierung undInformatik. Gemeinsam haben sie es sich zum Ziel gesetzt, KI-gestützteSimulationstools zu entwickeln, die physikalische und technische Simulationenintegrieren können. Diese Tools sollen die kritischen Komponenten vonStellaratoren optimieren, wie hochtemperatursupraleitende Magnete (HTS-Magnete),Materialien, die in Kontakt mit Fusionsplasma kommen, sowie Kühlsysteme. DieseTechnologie soll in Zukunft für saubere Energie aus Fusionskraftwerken sorgen.

KI-optimierte Stellaratoren als Schlüssel zur kommerziellen Fusionsenergie

"Stellaratoren stellen den deutlichsten und robustesten Weg hin zur kommerziellnutzbaren Fusionsenergie dar. Sie können eine stabile und kontinuierlicheEnergiegewinnung ermöglichen, sind aber aufgrund ihrer 3D-Geometrien kompliziertin der Entwicklung", sagte Dr. Francesco Sciortino, Mitbegründer und CEO vonProxima. "Dieses Projekt wird die Stellarator-Entwicklung beschleunigen, Kostensenken und die Verlässlichkeit und die Leistung dieser Geräte verbessern." Dr.Markus Kaiser, AI Lead bei Proxima, fügte hinzu: "KI kann nur dank Proximaseinzigartigem simulationsbasierten Ansatz einen wirklich sinnvollen Beitrag zurFusionsforschung und -technik leisten."

Lösung einer der größten Herausforderungen im Bereich der Kernfusion

Die Forschenden betonen den erwarteten Technologiesprung durch die Kooperationund dessen Auswirkungen für Kernfusionskraftwerke und darüber hinaus.

"Indem wir datengetriebene Optimierungstechniken, geometrisches maschinellesLernen und unsicherheitsbewusste Ersatzmodellierung anwenden, können wir dieneuesten technologischen Fortschritte bei der Stellarator-Entwicklung inskalierbaren Berechnungslösungen zum Einsatz bringen", so Prof. Dr. DanielCremers, Inhaber des Lehrstuhls für Bildverarbeitung und Künstliche Intelligenzan der TUM School of Computation, Information and Technology.

Dr. Dirk Reiser, Teamleiter für "Theory and Numerical Simulations" amForschungszentrum Jülich, ordnet die Dimension des Projektes ein: "Wirentwickeln kostengünstigere, hochmoderne KI-gestützte Modellierungstools für diePlasma-Oberflächen-Wechselwirkung und arbeiten damit an der Lösung einer derproblematischsten Herausforderungen im Bereich der Kernfusion. Unser Projektintegriert KI mit klassischen Engineering-Techniken, um die Einschränkungen derderzeitigen Designmethoden zu überwinden und die Konzepte rechnerisch machbar zugestalten."

Prof. Dr. Zorah Lähner, eine führende Forscherin für geometrisches Deep Learningan der Universität Bonn und dem Lamarr-Institut, erkennt weiteres Potenzial:"Die im Rahmen dieses Projekts entwickelten Tools und Technologien haben auchbreiter gefasste Anwendungen über die Fusionsenergie hinaus. Die innovativen undpraktischen Lösungen werden für komplexe Engineering Herausforderungen etwa inder Luft- und Raumfahrt sowie der Automobilindustrie ebenfalls unglaublichinteressant sein."

Marktreife Funktionsenergie in rund 10 Jahren

Als führendem Partner obliegt Proxima die übergreifende Koordination desProjekts. Das in München ansässige Startup-Unternehmen beschäftigt sichschwerpunktmäßig mit der Entwicklung und Konstruktion wirtschaftlich tragbarerStellarator-Fusionskraftwerke und verfolgt das Ziel, die Funktionsenergie bisMitte der 2030er Jahre marktreif zu machen und ins Netz zu integrieren.

Über Proxima Fusion

Proxima Fusion ging im Jahr 2023 aus dem Max-Planck-Institut für Plasmaphysik(IPP) hervor und arbeitet seither in öffentlich-privater Partnerschaft mit demIPP, um die physikalische und technische Grundlage zu erweitern und die ersteGeneration von Fusionskraftwerken mit quasi-isodynamischen (QI) Stellaratoren zuerrichten. Proximas simulationsgetriebener Engineering (https://www.proximafusion.com/press-news/the-advantage-of-simulation-driven-engineering-fast-tracking-stellarator-development) -Ansatz nutzt fortschrittliche Computertechnologien undHochtemperatur-Supraleiter, um auf den bahnbrechenden Ergebnissen desWendelstein 7-X (https://www.ipp.mpg.de/w7x) -Experiments (W7-X) aufzubauen, demam IPP entwickelten weltweit fortschrittlichsten Stellarator.

Über die Universität Bonn

Die Universität Bonn und ihre Partnerorganisation, das Lamarr-Institut fürMaschinelles Lernen und Künstliche Intelligenz, eines der fünf deutschenKI-Kompetenzzentren, leisten einen Beitrag durch Expertise im Bereich derGeometrieoptimierung und des maschinellen Lernens. Forscher der Arbeitsgruppen"Geometry in Machine Learning" und "Learning and Optimisation for VisualComputing" befassen sich mit der Entwicklung neuer geometrischer Darstellungenzur Optimierung von Stellarator-Designs. Ihre Arbeit konzentriert sich auf dieEntwicklung KI-getriebener Tools, die in der Lage sind, die zur Entwicklung vonStellarator-Komponenten erforderlichen komplexen Geometrien effizient zuanalysieren und zu bearbeiten, insbesondere im Hinblick auf Fusionsplasmaformenund die Konfigurationen von Magnetspulen.

Über das Forschungszentrum Jülich

Das Forschungszentrum Jülich bringt umfassende Kenntnisse und Erfahrungen in derMaterialforschung und Plasmaphysik mit. Dabei liegt ein besonderer Fokus auf derPlasma-Wand-Wechselwirkung und dem Verhalten von Materialien, die inFusionsreaktoren Hochenergie-Teilchen ausgesetzt sind. Die Forscher entwickelnKI-basierte Modelle zur Materialerosions- und Wärmestrom-Simulation und tragenso dazu bei, die Leistung und Langlebigkeit der Stellarator-Komponenten zuoptimieren. Darüber hinaus arbeitet das Forschungszentrum Jülich anKI-gestützten 3D-Plasmarandschicht-Simulationen, um künftig Prognosen über dasPlasmaverhalten in Stellaratoren zu verbessern.

Über die Technische Universität München (TUM)

Die Arbeitsgruppe "Computer Vision" der TUM, die für ihre erstklassige Forschungim Bereich der Optimierung und des maschinellen Lernens bekannt ist, trägt zurOptimierung der Leistung und Belastbarkeit von Stellarator-Komponenten bei. IhreArbeit konzentriert sich auf den Einsatz von KI, um die Komponenten,insbesondere HTS-Magnete, widerstandsfähiger gegenüber Fertigungsfehlern und derzeitbedingten Degradierung zu machen. Außerdem erforscht die TUMfortschrittliche KI-Techniken wie geometrisches Deep Learning, um die Effizienzund Wirtschaftlichkeit der Stellarator-Entwicklung zu verbessern.

Pressekontakt:

Whitney MilamPressesprecherin Proxima Fusionmailto:[e-mail]

Weiteres Material: http://presseportal.de/pm/177716/5927234OTS: Proxima Fusion