谷歌已應(yīng)用人工智能來(lái)管理核聚變反應(yīng)堆內(nèi)的等離子體。谷歌的英國(guó)人工智能子公司 DeepMind Technologies 與 EPFL 的瑞士等離子中心 (école Polytechnique Fédérale de Lausanne )合作，利用其機(jī)器學(xué)習(xí)專(zhuān)業(yè)知識(shí)來(lái)管理一個(gè)圓形核聚變反應(yīng)堆托卡馬克。該研究結(jié)果發(fā)表在《 自然》雜志上，可能為將聚變發(fā)展為可持續(xù)能源提供新途徑。

實(shí)現(xiàn)核聚變的主要挑戰(zhàn)之一是在托卡馬克反應(yīng)堆中容納等離子體，同時(shí)防止其與邊界發(fā)生碰撞。為了避免這種情況，瑞士等離子中心的研究人員使用計(jì)算機(jī)模擬器來(lái)測(cè)試替代控制系統(tǒng)。

EPFL 研究人員表示，這些模擬的困難在于使用了許多變量，每個(gè)變量都需要大量時(shí)間和資源才能獲得正確的結(jié)果。調(diào)整等離子體排列也需要大量的工程和設(shè)計(jì)工作，以及計(jì)算能力。

瑞士研究人員與 DeepMind 工程師合作開(kāi)發(fā)了一種控制磁線圈的算法，從而減少了執(zhí)行復(fù)雜計(jì)算的需要。該系統(tǒng)在托卡馬克上進(jìn)行了測(cè)試，以評(píng)估其實(shí)際性能。

托卡馬克前進(jìn)

1960 年代，科學(xué)家們首次認(rèn)識(shí)到托卡馬克實(shí)現(xiàn)聚變條件的潛力。俄羅斯 T3 托卡馬克獲得的等離子體溫度遠(yuǎn)高于以前的聚變發(fā)動(dòng)機(jī)。

在 1980 年代，研究人員進(jìn)行的理論研究表明，改變托卡馬克幾何形狀可以提高性能。將球形托卡馬克的更高效率與高溫超導(dǎo)磁體技術(shù)提供的改進(jìn)磁約束相結(jié)合，為商業(yè)聚變打開(kāi)了大門(mén)。

托卡馬克的環(huán)形真空室是它跳動(dòng)的心臟。當(dāng)氣態(tài)氫燃料暴露于高溫時(shí)會(huì)產(chǎn)生等離子體。等離子體環(huán)境提供了混合和產(chǎn)生能量的成分。

等離子體中的帶電粒子由強(qiáng)磁線圈形成，該線圈用于將等離子體與結(jié)構(gòu)壁分離，同時(shí)保持結(jié)合粒子所需的厚度。真空室內(nèi)沒(méi)有空氣或污染物，磁鐵保持和調(diào)節(jié)等離子體，然后在引入氣體燃料之前對(duì)其進(jìn)行充電。當(dāng)大電流通過(guò)容器時(shí)，氣體會(huì)發(fā)生電分解，當(dāng)電子從原子核中剝離時(shí)會(huì)發(fā)生電離，從而產(chǎn)生等離子體。隨著等離子粒子充電和碰撞，它們開(kāi)始升溫。使用當(dāng)前技術(shù)，聚變溫度（150 到 3 億攝氏度之間）觸手可及。

當(dāng)粒子受到“刺激”時(shí)，盡管它們固有的電磁排斥力，它們?nèi)詴?huì)發(fā)生碰撞和合并。聚變過(guò)程中釋放出大量能量。

聚變能

在托卡馬克配置中使用磁約束的核聚變有朝一日可能成為一種可持續(xù)的能源。眾多障礙之一是在托卡馬克中建模和維持高溫等離子體。這需要使用磁致動(dòng)器線圈進(jìn)行高頻閉環(huán)控制，由于不同等離子體配置的需求，這一步驟變得更加困難。等離子體狀態(tài)不斷變化，但無(wú)法持續(xù)測(cè)量，這使研究工作進(jìn)一步復(fù)雜化。

歐洲托卡馬克核反應(yīng)堆項(xiàng)目JET能夠產(chǎn)生 59 兆焦耳，同時(shí)保持 5 秒的聚變反應(yīng)。今年早些時(shí)候，名為EAST的平行人造太陽(yáng)項(xiàng)目 表示，其托卡馬克反應(yīng)堆的溫度達(dá)到了太陽(yáng)溫度的五倍，并維持了 17 分鐘。

控制托卡馬克反應(yīng)堆中的等離子體需要持續(xù)的磁場(chǎng)監(jiān)測(cè)。保持由離子和電子形成的熱等離子體的穩(wěn)定性是困難的。DeepMind 的方法通過(guò)一種新算法通過(guò)磁約束解決了這一挑戰(zhàn)。DeepMind 團(tuán)隊(duì)首先在計(jì)算機(jī)模擬中訓(xùn)練其算法，然后在實(shí)驗(yàn)階段。AI 模型用于通過(guò)每秒 10,000 次進(jìn)行 90 次不同的測(cè)量來(lái)監(jiān)測(cè)等離子體。然后它相應(yīng)地調(diào)整了反應(yīng)堆的 19 個(gè)磁鐵的電壓。

控制器設(shè)計(jì)架構(gòu)的組件

人工智能算法

根據(jù)Nature 文章，研究人員訓(xùn)練了一個(gè)深度學(xué)習(xí)系統(tǒng)來(lái)控制瑞士等離子中心可變配置托卡馬克內(nèi)部的磁線圈。該設(shè)施被用來(lái)進(jìn)行指導(dǎo)未來(lái)更大聚變反應(yīng)堆設(shè)計(jì)的研究。

最初通過(guò)模擬訓(xùn)練的神經(jīng)網(wǎng)絡(luò)最初觀察到 19 個(gè)線圈中每個(gè)線圈的設(shè)置變化如何影響托卡馬克內(nèi)部的等離子體形狀。接下來(lái)，人工智能模型試圖通過(guò)檢查幾種配置來(lái)重建等離子體，包括 D 形橫截面和雪花配置，這些配置可以均勻地消散結(jié)構(gòu)內(nèi)反應(yīng)產(chǎn)生的強(qiáng)烈熱量。DeepMind 的方法確定了如何通過(guò)在模擬和實(shí)驗(yàn)中精確操縱磁線圈來(lái)創(chuàng)建這些形狀。

該架構(gòu)（上圖）被吹捧為設(shè)計(jì)托卡馬克磁約束控制器的靈活方法。它由三個(gè)步驟組成。首先，設(shè)計(jì)者指定實(shí)驗(yàn)的目標(biāo)，伴隨著隨時(shí)間變化的控制目標(biāo)。接下來(lái)，算法與托卡馬克模擬器交互以找到接近最優(yōu)的控制策略來(lái)滿(mǎn)足指定目標(biāo)。最后，以神經(jīng)網(wǎng)絡(luò)表示的控制策略直接在托卡馬克硬件上實(shí)時(shí)執(zhí)行。

確認(rèn) DeepMind 的方法可以推進(jìn)等離子體研究，重點(diǎn)關(guān)注聚變發(fā)電廠最重要的元素，從而實(shí)現(xiàn)更好的控制，以實(shí)現(xiàn)所需的能量平衡。結(jié)果還說(shuō)明了深度學(xué)習(xí)在加速融合研究方面的潛力。

自 2014 年以來(lái)，谷歌還一直與美國(guó)聚變研究機(jī)構(gòu)TAE Technologies合作，將其機(jī)器學(xué)習(xí)方法應(yīng)用于不同類(lèi)型的聚變反應(yīng)堆。