眾所周知核聚變比現(xiàn)在普遍使用的核裂變方式更安全和環(huán)保。但如何控制核聚變是一個大難題，迄今為止人們也只能在實驗室進行核聚變反應的應用研究。多虧了人工智能，核聚變現(xiàn)在似乎比以往任何時候都更接近實際應用。

瑞士洛桑聯(lián)邦理工學院(EPFL)的研究人員利用在等離子體物理和控制方法方面的豐富經(jīng)驗，聯(lián)合谷歌子公司DeepMind的人工智能研究和技術(shù)。獲得一種新的基于深度強化學習的等離子體組態(tài)磁控制方法。

該方法的細節(jié)發(fā)表在《自然》雜志上，并應用于瑞士等離子體中心(SPC：Swiss Plasma Center)研究設(shè)施的一個真實世界的等離子體系統(tǒng)——可變配置托卡馬克(TCV： Variable-Configuration Tokamak)。

托卡馬克(磁約束核聚變：目前被認為是最有前途的可控核聚變方式)是一種甜甜圈形狀的聚變研究裝置，它利用強磁場將等離子體限制在比太陽核心(數(shù)億攝氏度)還高的溫度下。就像太陽一樣，極端的溫度促進了氫原子之間的核聚變。SPC的托卡馬克能夠?qū)崿F(xiàn)可變的等離子體配置(即等離子體在托卡馬克中的形狀和位置)，可以用來探索新的發(fā)電方式。

以往這一過程本身就不穩(wěn)定，出現(xiàn)了一些難題。包括如何防止等離子體脫離一系列允許等離子體形成的線圈，以及如何保持等離子體的位置。TCV的19個獨立線圈必須通過獨立的控制系統(tǒng)配置進行連續(xù)校準。控制器使用算法，實時估計等離子體的特性，以適應磁鐵的電壓達到預期的結(jié)果。這些等離子體控制系統(tǒng)對于防止等離子體到達托卡馬克的外圍壁體是至關(guān)重要的，它會阻止反應并損害設(shè)備本身。

幸運的是，控制系統(tǒng)配置可以在托卡馬克中使用之前進行模擬。但即便如此，為了確定控制系統(tǒng)中每個變量的正確值，仍需要進行冗長的計算。這就是與DeepMind的聯(lián)合研究項目的切入點。

DeepMind開發(fā)了一種人工智能算法，在SPC的模擬器上進行訓練，大大縮短了建模這些模擬所需的計算時間和能量，同時允許僅用一個控制器就可以操縱等離子體?？刂破魇且粋€單一的神經(jīng)網(wǎng)絡(luò)，它同時協(xié)調(diào)所有19個線圈，同時學習哪個電壓能產(chǎn)生特定的等離子體配置。

訓練這種算法意味著模擬各種控制策略并收集數(shù)據(jù)或“體驗”。該算法可以創(chuàng)建一個控制策略“以產(chǎn)生所要求的等離子體配置”，這涉及到算法運行多個控制設(shè)置并分析產(chǎn)生的等離子體配置。然后，通過要求算法根據(jù)正確的設(shè)置生成特定的等離子體配置，再去真實的托卡馬克中進行配置調(diào)整。

模擬是有前途的。據(jù)EPFL發(fā)布的消息，DeepMind的人工智能算法“能夠創(chuàng)建和維護多種等離子體形狀和先進配置，包括在容器中同時維護兩個獨立的等離子體?！痹撍惴S后被用于實際的托卡馬克，以測試其在現(xiàn)實世界中的應用，這與驗證他們的結(jié)果一樣有希望。

最初的合作始于DeepMind的黑客松(黑客馬拉松，計算機技術(shù)的一種競賽方式)，偶然提到了托卡馬克磁線圈控制的問題。DeepMind立即對在核聚變等領(lǐng)域測試他們的人工智能技術(shù)的前景產(chǎn)生了興趣，尤其是在托卡馬克這樣的現(xiàn)實世界系統(tǒng)上。

此次合作的成功表明，人工智能有潛力加快核聚變科學的發(fā)展。DeepMind指出，他們的方法可以用于設(shè)計和擴展新的托卡馬克及其控制器。他們還預測，強化學習(RL)將成為一種“變革性技術(shù)”，可以用于控制其他工業(yè)和科學應用中的復雜機器。

至于人類向核聚變能源的發(fā)展，我們可能還沒有像《回到未來》中那樣，每人都擁有一個“核聚變家用能源反應堆”，但人工智能可能是實現(xiàn)這一目標的有力幫手。