DeepMind利用增强学习 爲核熔合研究添助力

Google母公司Alphabet旗下DeepMind AI近日宣布，该实验室利用人工智能(AI)成功地控制核融合反应炉内部的超热物质，未来可望成为辅助研究人员的工具，助其探寻控制核融合反应的新方法。

据VentureBeat报导，DeepMind与洛桑联邦理工学院(EPFL)瑞士电浆中心(Swiss Plasma Center)携手合作，开发出首套增强学习(reinforcement learning)系统，可用来自动找出该如何控制托克马克(tokamak，又称环磁机)核融合装置内的线圈。

DeepMind指出，该系统可用於设计新型托克马克与控制器，以及科学与工业领域中其他种类的控制机制。这项研究成果已发表於《Nature》期刊上。DeepMind的系统利用增强学习在数小时的模拟过程中，训练出如何控制瑞士电浆中心的托克马克，然後将训练结果套用至真实的托克马克中。

DeepMind的核子反应器控制系统利用EPFL研究人员所开发之模拟工具来进行训练，一般来说，核融合的研究都需要透过模拟工具来进行，因为目前的核子反应器只能在单一实验中控制电浆几秒，之後便需要一段时间进行重置。

在现有的电浆控制系统当中，托克马克的19个电磁线圈需要配备各自的控制器，而传统的控制器是利用演算法实时估算电浆属性，再对磁场做出相对应的调整，DeepMind的系统仅利用单一演算法就能同步控制所有线圈，从传感器上自动学习需要多大的电流来达到较佳的电浆型态，这样的成果足以令人眼睛为之一亮。

DeepMind的系统可透过单一控制器来操控电浆，研究人员尝试以该系统创造出不同形状的电浆，再由电浆物理学专家研究这些形状在能量产生上的有用性，例如该系统创造出雪花形状的电浆，可把废弃能量透过各个角分散到托克马克内壁的不同位置点上，以降低冷却的成本。DeepMind还达到了首次能同时维持托克马克内2个电浆粒子的稳定性这个新里程碑。

DeepMind的成果虽然是重要进展，但仍只是推动融合能迈向可行的一小步，毕竟光是要模拟托克马克在真实世界应用的1秒，就必须在电脑里耗上许多小时，而托克马克的状态每天都可能改变，因此演算法上还需要各方面的改进。

不过DeepMind相信，今日AI系统已经强大到足以协助解决现实世界的问题，扮演创新的加速器，协助人们解决更多问题。

责任编辑：朱原弘