SPC 处托卡马克内部的等离子体DeepMind & SPC/EPFL

经过数十年的发展，科学家们一直在通过无休止的实验、计算和模拟来追求核聚变技术，试图找到原子聚变和不断释放大量能量的最佳条件组合。Alphabet 旗下的公司 DeepMind 现在通过与洛桑联邦理工学院 (EPFL) 的瑞士等离子中心 (SPC) 建立新的合作伙伴关系，将其大量的人工智能专业知识借给了这项工作，它已经证明了自己的价值。

在过去的几年里，DeepMind 在人工智能领域取得了一些令人印象深刻的进展，击败了世界上最好的围棋选手，以高精度预测降雨，甚至通过预测 3D 结构解决了50 年的科学问题独特的蛋白质。

在利用该技术进行核聚变研究时，科学家们希望找到更成功地维持等离子体流的方法，从而为关键聚变反应的发生提供更多机会。SPC 用于这些实验的设备类型被称为托卡马克，它是一个甜甜圈形的腔室，它使用强大的磁场来容纳超热等离子体流，其中氢原子融合成一个氦原子并释放活力。

SPC 托卡马克反应堆的 3D 模型DeepMind & SPC/EPFL

SPC 的托卡马克被称为可变条件托卡马克 (TCV)，因为它允许在不同类型的配置中使用等离子体进行实验。这里的研究人员正在不断试验控制等离子体的新方法，以使其不会撞到血管壁并坍塌。

“我们的模拟器基于 20 多年的研究并不断更新，”SPC 科学家 Federico Felici 说。“但即便如此，仍然需要进行冗长的计算来确定控制系统中每个变量的正确值。这就是我们与 DeepMind 的联合研究项目的用武之地。”

DeepMind 开发了一种新的 AI 算法，该算法在 SPC 的模拟器上通过尝试许多不同的控制策略进行训练。随着时间的推移，随着通过模拟获得更多经验，该算法能够计算出产生所需等离子体配置的控制策略。然后，该团队要求该算法反向工作，识别正确的设置以生成特定的等离子体配置。

训练后，该算法在现实世界的托卡马克上进行了测试，它能够创建和控制各种等离子体形状，包括细长和高级形状，例如“负三角形”和“雪花”配置。一项实验涉及同时维持两个独立的等离子体。

DeepMind 的 AI 被用于生产先进的等离子配置DeepMind & SPC/EPFL

DeepMind 控制团队负责人 Martin Riedmiller 表示：“我们团队的任务是研究新一代 AI 系统——闭环控制器——可以完全从零开始在复杂的动态环境中学习。” “在现实世界中控制聚变等离子体提供了绝佳的机会，尽管极具挑战性和复杂性。”

该研究发表在《自然》杂志上。返回搜狐，查看更多

责任编辑：

责任编辑：kj005