谷歌的 AI 兄弟 DeepMind 控制核聚变的等离子体形状

DeepMind 学习如何控制核聚变中使用的磁性设备的设置。

托卡马克模型，托卡马克是核聚变发电过程中的关键部件。

Alphabet 旗下的 DeepMind 开发了一种 AI，有望控制磁性设备，这些设备将超热和不守规矩的等离子体保持在稳定的配置中，从而实现核聚变发电。

这些等离子体限制装置称为托卡马克，是使用一系列高功率磁线圈形成的，以创建一个容器，在该容器中，等离子体被控制在与太阳核心一样热的温度下。正确限制的等离子体可以允许在氢原子之间发生核聚变，并且正在作为一种可持续的发电方法进行研究。 

来自 DeepMind 和 EPFL 瑞士等离子体中心 （SPC） 的研究人员在《自然》杂志上的一篇新论文中详细介绍了他们如何帮助创建一套能够控制容器内等离子体形状的 DeepMind AI 算法。

SEE： 随着需求激增，雇主迫切需要数据科学家

SPC 有一个“可变配置托卡马克”（TCV） 真空容器，用于测试核聚变的等离子体约束。SPC 需要一种方法来确保它能够可靠地为每个变量（例如电压）选择正确的值，用于控制系统的等离子体限制。

据 SPC 称，SPC 已经有一个消息灵通的模拟器，但其用户仍然需要运行冗长的计算来确定控制系统中每个变量的正确值。

使用正确的值，控制系统可以避免等离子体与TCV真空容器壁碰撞的方式限制等离子体，在这种情况下，等离子体会变质。

研究人员表示，他们已经创建了“以前未描述的托卡马克磁性控制器设计架构，该架构可以自主学习控制全套控制线圈。”这种架构可以减少生产新等离子体配置所需的工作量。 

根据 SPC 的博客文章，DeepMind 的 AI 在其模拟器上进行了训练，可以创建和维护特定的等离子体配置，包括如论文中所述的“细长的传统形状，以及高级配置，例如负三角形和'雪花'配置。

DeepMind 和 SPC 还在 SPC 的实际 TVC 上成功运行了这些算法，而不仅仅是其模拟器。他们还证明了容器内两个独立血浆“液滴”的持续配置。   

DeepMind 尚未发布有关该研究的帖子，但最终将通过此链接发布。