人工智能刚刚扫清了核聚变能源道路上的一大障碍

我们有纳粹人工智能、艺术品窃贼人工智能和晦涩难懂的人工智能。欢迎来到钟形曲线的另一端。

将正确的原子足够用力地粉碎在一起，你就可以为太阳提供动力。

图片来源：kotoffei/Shutterstock.com

过去的未来主义者曾经想象，技术和科学的突破可以创造一个由无限清洁能源驱动的乌托邦世界。现在，普林斯顿大学研究人员的人工智能模型可能已经证明他们是正确的。或者至少，它让我们更接近了一步。 

聚变——两个或多个原子核结合并形成新的原子核和亚原子粒子的核反应——长期以来一直是能源的梦想：它无污染、安全且几乎无限，产生的能量近四百万倍按燃烧化石燃料的质量计算。

不幸的是，有一个问题。聚变真的很难做到：它需要恒星中心的温度和压力。由于我们无法在地球上的实验室中真正获得这些确切的条件，相对较少的人造聚变例子都依赖于一种解决方法：正常的地球压力和超过太阳核心温度十倍以上的温度。

在这样的温度下，反应所需的燃料不能以固态或液态存在，甚至不能以气体形式存在——而是等离子体。其中还存在另一个问题：这种物质状态能量如此之高且过热，以至于燃料很容易“撕裂”——失去稳定性并逃离将其保持在反应堆内的磁场——从而在几毫秒内结束任何聚变。

普林斯顿大学团队声称已经解决了这个问题。 

新论文的第一作者、现任韩国中央大学物理学助理教授 Jaemin Seo 解释说：“以前的研究通常集中于抑制或减轻这些撕裂不稳定性在等离子体中发生后的影响。”在一份声明中。 “但我们的方法使我们能够在这些不稳定因素出现之前预测并避免它们。 ”

他们的答案是：在圣地亚哥 DIII-D 国家聚变设施之前的实验中训练人工智能 (AI)。 

研究负责人 Egemen Kolemen 表示：“通过从过去的实验中学习，而不是结合来自基于物理的模型的信息，人工智能可以制定最终控制策略，在真实的反应堆中实时支持稳定的高功率等离子体状态。” ，安德林格能源与环境中心机械和航空航天工程副教授，普林斯顿等离子体物理实验室（PPPL）研究物理学家。

与任何人工智能模型一样，它并不能真正理解自己在深层上所做的事情——但它不需要这样做。该团队向该程序提供了先前实验中有关实时等离子体特性的数据，并为其设定了预测（最重要的是避免）撕裂不稳定性的挑战。

“我们不会向强化学习模型教授聚变反应的所有复杂物理原理，”科莱门实验室的研究学者、该论文的合著者阿扎拉赫什·贾拉万德 (Azarakhsh Jalalvand) 解释道。 “我们告诉它目标是什么——保持高能反应——要避免什么——撕裂模式不稳定——以及它可以转动哪些旋钮来实现这些结果。随着时间的推移，它会学习实现高权力目标的最佳途径，同时避免不稳定的惩罚。 ”

经过无数次能够由人类观察者进行调整和完善的模拟后，团队在 D-III D 设施中真正试用了人工智能。该模型证明自己能够提前 300 毫秒预测撕裂不稳定性——对于人类来说这不算多，但人工智能有足够的时间采取行动，改变等离子体形状或输入功率的光束强度等参数。反应以保持等离子体稳定。

那么无限的清洁能源指日可待吗？不完全的。等离子体不稳定远不是聚变的唯一问题，撕裂只是可能的等离子体不稳定的一种类型。 

但该团队表示，这篇论文确实展示了一个非常好的概念证明：“我们有强有力的证据表明控制器在 DIII-D 上工作得很好，但我们需要更多数据来证明它可以在多种环境下工作。”不同的情况，” Seo 说。 “我们希望努力实现更普遍的目标。 ”

该论文发表在《自然》杂志上。