物理突破人工智能成功控制核聚变实验中的等离子体

　　成功实现核聚变有望提供无限、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，科学家们一直在朝着这个目标迈进，但仍然存在许多挑战。核心障碍之一是成功控制反应堆中不稳定和过热的等离子体——但一种新方法揭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) 研究公司 DeepMind 的共同努力下，科学家们使用深度强化学习(RL) 系统来研究融合 托卡马克(一种甜甜圈形状) 内部等离子体行为和控制的细微差别该设备使用一系列放置在反应堆周围的磁线圈来控制和操纵其中的等离子体。
　　这不是一个简单的平衡动作，因为线圈需要大量细微的电压调整，每秒高达数千次，才能成功地将等离子体限制在磁场内。
　　TCV 真空容器的 3D 模型。(DeepMind/SPC/EPFL)
　　因此，为了维持核聚变反应——包括将等离子体稳定在数亿摄氏度，甚至比太阳核心还要热——需要复杂的多层系统来管理线圈。
　　然而，在一项新的研究中，研究人员表明，单个 AI 系统可以自行监督任务。
　　＂使用结合了深度 RL 和模拟环境的学习架构，我们生产的控制器既可以保持等离子体稳定，又可以用来准确地将其雕刻成不同的形状，＂该团队在 DeepMind 博客文章中解释道。
　　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，其中机器学习系统通过反复试验发现了如何驾驭等离子体磁约束的复杂性。
　　在它的训练窗口之后，人工智能进入了一个新的水平——在现实世界中应用它在模拟器中学到的东西。
　　受控等离子体形状的可视化。(DeepMind/SPC/EPFL)
　　通过控制 SPC 的可变配置托卡马克(TCV)，RL 系统在反应器内将等离子体雕刻成一系列不同的形状，其中包括以前在 TCV 中从未见过的形状：稳定＂液滴＂，其中两种等离子体在内部同时共存设备。
　　除了传统的形状，人工智能还可以产生先进的配置，将等离子体雕刻成＂负三角形＂和＂雪花＂配置。
　　如果我们能够维持核聚变反应，这些表现形式中的每一种都具有在未来收集能量的不同潜力。这里由系统控制的配置之一，＂ITER 状形状＂（如上所示），可以为国际热核实验反应堆(ITER) 的未来研究提供特别的希望，该反应堆是目前正在建造的世界上最大的核聚变实验在法国。
　　据研究人员称，对这些等离子体形成的磁性掌握代表了＂应用强化学习的最具挑战性的现实世界系统之一＂，并且可以为现实世界的托卡马克的设计建立一个全新的方向。
　　事实上，有些人认为我们在这里看到的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。
　　＂在我看来，这种人工智能是唯一的出路，＂未参与这项研究的贝尔法斯特女王大学物理学家 Gianluca Sarri 告诉 《新科学家 》杂志。
　　＂变量太多了，其中一个的微小变化，就会导致最终输出的巨大变化。如果你尝试手动去做，这是一个非常漫长的过程。＂