实验|AI首次用于控制聚变反应堆内的等离子体

如果能让聚变反应堆运转起来 , 它将提供廉价、丰富且相对清洁的能源 。 人工智能(AI)首次被用于控制聚变反应堆内的超高温等离子体 , 为提高其稳定性和效率提供了一条新途径 。 相关研究近日发表于《自然》 。
英国DeepMind公司与瑞士洛桑联邦理工学院(EPFL)的科学家合作 , 创建了一个神经网络 , 能够控制EPFL的托卡马克配置变量(TCV)聚变反应堆中的磁场 。 这些磁场对于安全控制反应堆的等离子体至关重要 。
TCV的研究人员之前使用了19个磁圈 , 每个磁圈由一个单独的算法控制 , 通过大量传感器监测反应堆内部 , 每秒数千次 。 而DeepMind创建了一个单一的神经网络来同时控制所有线圈 , 并能自主学习 , 从而最好地控制等离子体 。
该团队对人工智能进行了精确的数字模拟训练 , 然后在真实机器上进行实验 , 成功将等离子体维持2秒左右 。 这接近反应堆的极限——TCV在一次实验中将等离子体维持3秒钟 , 而世界纪录只有5秒 。 除了控制等离子体 , 人工智能还能塑造等离子体 , 并在反应堆内移动它 。 人工智能甚至展示了同时控制两束分离等离子体的能力 。
EPFL的Federico Felici说 , 尽管理论上有很多方法可以用磁圈来控制等离子体 , 科学家已经尝试和测试了一些策略 , 但人工智能以新颖的方法与线圈形成相同的等离子体形状 , 让团队感到惊讶 。
Felici解释说 , “这种人工智能算法 , 即强化学习 , 选择了一种完全不同的方式使用TCV线圈 , 但仍在创造我们预期的相同等离子体 。 这种完全不同的方式可以自由地探索整个操作空间 。 ”
【实验|AI首次用于控制聚变反应堆内的等离子体】英国约克大学的Howard Wilson认为 , 这些人工智能实验表明 , 将等离子体包含在“极端几何形状”中是有希望的 , 这为使用不同等离子体形状的实验铺平了道路 , 而这些实验可能会提高稳定性或效率 。“它降低了参数空间的操作风险 , 同时也打开了可以探索的参数新空间 。 ”他说 。 (李木子)

    推荐阅读