工程师们利用人工智能为电网争夺聚变能源

眨眼之间，驱动聚变反应的不规则、过热的等离子体可能会失去稳定性，并逃离将其限制在环形聚变反应堆内的强磁场。这些逃逸往往意味着反应的结束，这对发展聚变作为一种无污染、几乎无限的能源构成了核心挑战

但普林斯顿大学和普林斯顿等离子体物理实验室（PPPL）的工程师、物理学家和数据科学家组成的普林斯顿大学领导的团队已经利用人工智能的力量实时预测并避免特定等离子体问题的形成

在圣地亚哥DIII-D国家聚变设施的实验中，研究人员证明，他们的模型仅根据过去的实验数据进行训练，可以提前300毫秒预测潜在的等离子体不稳定性，即撕裂模式不稳定性

虽然这不会给人类留下足够的时间来缓慢眨眼，但人工智能控制器有足够的时间改变某些操作参数，以避免等离子体磁力线内的撕裂，破坏其平衡，并为结束反应的逃逸打开大门

“通过从过去的实验中学习，而不是结合基于物理的模型中的信息，人工智能可以制定最终的控制策略，在真实的反应堆中实时支持稳定、高功率的等离子体状态，”研究负责人、安德林格能源与环境中心机械和航空航天工程副教授、PPPL的工作人员研究物理学家Egemen Kolemen说

这项研究为比目前的方法更动态地控制聚变反应打开了大门，并为使用人工智能解决广泛的等离子体不稳定性提供了基础，这些不稳定性长期以来一直是实现持续聚变反应的障碍。该团队于2月21日在《自然》杂志上发表了他们的研究结果。

“以前的研究通常集中在抑制或减轻这些撕裂不稳定性在等离子体中发生后的影响，”第一作者、韩国忠安大学物理学助理教授Jaemin Seo说，他在科勒曼小组担任博士后研究员期间完成了大部分工作。“但我们的方法使我们能够在这些不稳定性出现之前预测并避免它们。”

在甜甜圈形状的装置中旋转的过热等离子体

当两个原子——通常是氢等轻原子——聚集在一起形成一个更重的原子，在这个过程中释放大量能量时，就会发生聚变。这一过程为太阳提供动力，进而使地球上的生命成为可能

然而，让两个原子融合是很棘手的，因为这两个原子需要大量的压力和能量才能克服相互排斥

幸运的是，太阳的巨大引力和核心极高的压力使聚变反应得以进行。为了在地球上复制类似的过程，科学家们转而使用极热的等离子体和极强的磁铁

在被称为托卡马克的甜甜圈形状的设备中——有时被称为“罐子里的恒星”——磁场很难容纳超过1亿摄氏度的等离子体，比太阳中心还热

虽然有许多类型的等离子体不稳定性可以终止反应，但普林斯顿团队专注于解决撕裂模式不稳定性，这是一种扰动，等离子体中的磁力线实际上会断裂，并为等离子体随后的逃逸创造机会

“撕裂模式的不稳定性是等离子体破坏的主要原因之一，当我们试图以产生足够能量所需的高功率进行聚变反应时，它们将变得更加突出，”Seo说。“它们是我们需要解决的一个重要挑战。”

融合人工智能和等离子体物理

由于撕裂模式的不稳定性可以在几毫秒内形成并破坏聚变反应，研究人员转向人工智能，因为它能够快速处理新数据并对其做出反应

但开发有效的人工智能控制器的过程并不像在托卡马克上尝试一些东西那么简单，因为在托卡马克上时间有限，风险很高

合著者Azarakhsh Jalalvand是Kolemen小组的研究学者，他将教授在托卡马克中运行聚变反应的算法比作教别人如何驾驶飞机

Jalalvand说：“你不会教别人交一套钥匙，然后告诉他们尽最大努力。”。“相反，你会让他们在一个非常复杂的飞行模拟器上练习，直到他们学会了足够的东西来尝试真实的东西。”

就像开发飞行模拟器一样，普林斯顿团队使用了DIII-d托卡马克过去实验的数据，构建了一个深度神经网络，能够根据实时等离子体特性预测未来撕裂不稳定的可能性

他们使用该神经网络来训练强化学习算法。与飞行员受训者一样，强化学习算法可以尝试不同的策略来控制等离子体，通过反复试验来学习哪些策略有效，哪些策略不在模拟环境的安全范围内

Jalalvand说：“我们并没有向强化学习模型教授聚变反应的所有复杂物理。”。“我们告诉它目标是什么——维持高功率的反应——避免什么——撕裂模式的不稳定性——以及它可以转动旋钮来实现这些结果。随着时间的推移，它学会了实现高功率目标的最佳途径，同时避免了不稳定性的惩罚。”