公眾號/? ScienceAI（ID：Philosophyai）

JET 托卡馬克裝置的內部。（英國原子能管理局）

編輯 | 紫羅

核聚變被稱為人造太陽，其原理和為太陽以及其他恒星提供動力的過程相同，被廣泛視為清潔能源的圣杯。

但科學家們只實現并維持了幾秒鐘的核聚變能，還有許多障礙，包括高度復雜過程中的不穩定性。

實現聚變能的方法有多種，但最常見的是使用氫變體作為輸入燃料，并在稱為托卡馬克的「甜甜圈形」形狀的機器中將溫度提高到極高水平，以產生等離子體，一種類似湯的物質狀態。

但等離子體需要受到控制，而且極易「撕裂」，并逃離機器設計用來控制等離子體的強大磁場。

近日，普林斯頓大學和普林斯頓等離子體物理實驗室研究核聚變能的科學家表示，他們已經找到了一種使用 人工智能 的方法，預測這些潛在不穩定性并實時阻止其發生。

研究人員利用此前開發的多模態動態模型作為強化學習人工智能的訓練環境，促進自動化的不穩定預防。

該團隊在圣地亞哥的 DIII-D 國家聚變設施進行了實驗，發現他們的人工智能控制器可以提前 300 毫秒預測潛在的等離子體撕裂。如果沒有這種干預，聚變反應就會突然結束。

普林斯頓大學發言人表示：「這些實驗為使用人工智能解決廣泛的等離子體不穩定性問題奠定了基礎，這些不穩定性長期以來阻礙了聚變能的發展。」

普林斯頓大學機械與航空航天工程教授、該研究的作者之一 Egemen Kolemen 表示，這些發現「絕對」是核聚變向前邁出的一步。

Kolemen 表示：「這是最大的障礙之一——中斷——你希望任何反應堆都能全天候（24/7）運行多年，不會出現任何問題。這些類型的中斷和不穩定會帶來很大的問題，因此開發這樣的解決方案增強了他們的信心，讓他們相信我們可以毫無問題地運行這些機器。」

相關研究以《Avoiding fusion plasma tearing instability with deep reinforcement learning》為題，于 2024 年 2 月 21 日發布在《Nature》上。

論文鏈接：https://www.nature.com/articles/s41586-024-07024-9

聚變能：清潔能源的圣杯

聚變能是為太陽和其他恒星提供動力的過程，幾十年來專家們一直在努力在地球上掌握它。當兩個通常相互排斥的原子被迫融合在一起時，就會實現這一點。它與當今廣泛使用的核裂變相反，核裂變依賴于原子分裂。

本月早些時候，英國牛津市附近的科學家和工程師創造了新的核聚變能量記錄，僅使用 0.2 毫克燃料即可維持 69 兆焦耳的聚變能量 5 秒。這足以為大約 1.2 萬戶家庭提供相同時間的電力。這刷新了核聚變能源紀錄，使這種清潔、未來的能源離現實又近了一步。

但該實驗輸入的能量仍然多于產生的能量。然而，加利福尼亞州的另一個團隊在 2022 年 12 月成功地通過稱為「點火」的過程產生了凈量的聚變能。此后他們已經重復點火了三次。

盡管取得了令人鼓舞的進展，但聚變能源距離商業化還有很長的路要走，遠遠超出了為避免氣候危機惡化而需要深入、持續地減少地球變暖污染的時間。

AI 防撕裂系統

普林斯頓大學團隊開發了一種人工智能控制器，可以根據觀察到的等離子體輪廓自適應地控制執行器，在保持低撕裂性的同時追求高等離子體壓力。該防撕裂系統的整體架構如下圖所示。

圖 1：DIII-D 托卡馬克防撕裂系統的總體架構。（來源：論文）
基于人工智能的撕裂避免系統主動控制光束功率和等離子體三角度，以將未來撕裂不穩定發生的可能性保持在較低水平。這使得在 DIII-D 中的 low-q95 和低扭矩條件下將撕裂性保持在閾值以下。

此外，控制器不僅在 ITER 基線條件等特定實驗條件下，而且在其他操作環境甚至意外情況下，都證明了能夠穩健地避免撕裂不穩定性。

研究人員表示，該研究是使用強化學習避免撕裂的概念驗證研究，仍處于微調的早期階段。對于更有用的應用，還需要進一步的實驗和微調。

盡管如此，該研究證明了強化學習可以應用于核心等離子體物理的實時控制。

這次演示是融合領域機器學習能力的成功擴展，為未來托卡馬克裝置中高性能運行場景的集成控制開發提供了見解和途徑，超越了單一的不穩定性控制。

該研究開發的撕裂避免控制還有進一步的潛在應用。

參考內容：https://edition.cnn.com/2024/02/21/climate/nuclear-fusion-ai-climate-solution/index.html
https://edition.cnn.com/2022/02/09/uk/nuclear-fusion-climate-energy-scn-intl/index.html