核聚变的成功实施有望提供无限、可持续的清洁能源，但只有掌握反应堆内部发生的复杂物理学，我们才能实现这个不可思议的梦想。
几十年来，科学家们朝着这个目标迈出了渐进的步伐，但许多问题仍未解决。 主要障碍之一是成功管理反应堆中不稳定和过热的等离子体——但一种新方法展示了我们如何做到这一点。
在 EPFL 的瑞士等离子体中心 (SPC) 和人工智能 (AI) 公司 DeepMind 的合作中，科学家们使用深度强化学习 (RL) 系统来研究环形聚变托卡马克中等离子体行为和控制的细微差别。一系列位于反应堆周围的磁性线圈，用于控制和操纵反应堆内部的等离子体。
这是一个棘手的平衡动作，因为线圈需要大量的精细电压调整，每秒高达数千次，才能成功地将等离子体保持在磁场中。 因此，维持核聚变反应——包括在数亿摄氏度下维持等离子体稳定性，甚至比太阳的核心还要热——需要复杂的多级系统来控制线圈。 然而，在一项新的研究中，科学家们已经表明，一个人工智能系统可以自行处理这项任务。
“使用结合了深度 RL 和模拟环境的学习架构，我们创建了控制器，既可以将等离子体保持在稳定状态，又可以用它来准确地渲染不同的形状，”该团队在 DeepMind 博客上解释道。 为了实现这一壮举，研究人员在托卡马克模拟器中训练了他们的人工智能系统，机器学习系统在其中通过反复试验学习如何驾驭等离子磁约束的复杂性。 毕业后，AI 通过将在模拟器中学到的知识应用到现实世界中，使其更上一层楼。
通过驱动 SPC 可变配置托卡马克 (TCV)，RL 系统使反应器内的等离子体具有不同的形状，包括以前在 TCV 中从未见过的形状：稳定“液滴”，其中两种等离子体在装置内同时共存。 除了传统形状，人工智能还可以创建高级配置，赋予等离子“负三角形”和“雪花”形状。
如果我们能够维持核聚变反应，这些表现形式中的每一种在未来都有不同的能源生产潜力。 由该系统控制的配置之一，即“类似 ITER 的形状”，对于国际热核实验反应堆 (ITER) 的未来研究可能特别有前途，ITER 是世界上最大的核聚变实验，目前正在法国建设中。
根据研究人员的说法，这些等离子体形成的磁控制是“强化学习应用到的最复杂的现实世界系统之一”，并且可以为现实世界的托卡马克设计提供一个全新的方向。 不仅如此，一些人还认为它将从根本上改变聚变反应堆中先进等离子控制系统的未来。
另请阅读：