Fysik genombrott när AI framgångsrikt kontrollerar plasma i kärnfusionsexperiment

Fysik genombrott när AI framgångsrikt kontrollerar plasma i kärnfusionsexperiment

uppnå framgångsrik atomfusion Ren energi har löftet om en obegränsad, hållbar energikälla, men vi kan förverkliga denna otroliga dröm bara om vi behärskar den komplexa fysiken som äger rum inuti en reaktor.

I decennier har forskare tagit steg mot detta mål, men många utmaningar kvarstår. Ett av de största hindren är att framgångsrikt kontrollera den instabila och överhettade plasman i en reaktor – men ett nytt tillvägagångssätt förklarar hur vi kan göra det.

EPFL:s schweiziska plasmacenter (SPC) och . i en gemensam ansträngning av artificiell intelligens (AI) forskningsföretaget DeepMind, använde forskare en djup förstärkningsinlärning (rl) a. system för att studera detaljerna för plasmabeteende och kontroll inuti Fusion Tokamaki – En munkformad enhet som använder en serie magnetiska spolar placerade runt reaktorn för att kontrollera och manipulera plasman inuti den.

Detta är inte en lätt balansgång, eftersom spolen kräver en enorm mängd subtil spänningsjustering, tusentals gånger per sekund, för att framgångsrikt begränsa plasmat inom magnetfälten.

3D-modell av TCV-vakuumkärl. (DeepMind/SPC/EPFL)

Därför, för att upprätthålla kärnfusionsreaktioner – som innebär att plasman ska hållas stabil vid hundratals miljoner grader Celsius, till och med varmare än solens kärna – behövs komplexa, flerskiktiga system för att hantera spolarna. krävs.

I en ny studie Men forskarna påpekar att ett enda AI-system kan övervaka alla uppgifter på egen hand.

“Med hjälp av en inlärningsarkitektur som kombinerar djup RL och en simulerad miljö, har vi designat kontroller som kan hålla plasman stabil och kan användas för att exakt tillverka den till en mängd olika former,” förklarar teamet i ett DeepMind-blogginlägg.

För att uppnå denna bedrift tränade forskarna sitt AI-system i en tokamak-simulator, där maskininlärning Hur systemet, upptäckt genom försök och misstag, navigerar i komplexiteten med magnetisk bindning av plasma.

Efter sitt träningsfönster flyttade AI:n till nästa nivå – att tillämpa i den verkliga världen vad den hade lärt sig i simulatorn.

Visualisering av kontrollerade plasmaformer. (DeepMind/SPC/EPFL)

Genom att styra SPC Variable Configuration Tokamak (TCV), skulpterar RL-systemet plasman inuti reaktorn till en serie olika former, inklusive en som aldrig tidigare setts i TCV: stabiliserande “droppar” där två plasma smälter samman inuti enheten . var närvarande.

Förutom traditionella former kan AI också skapa avancerade konfigurationer, vilket gör att plasma kan formas till “negativ triangel” och “snöflinga”.

Om vi ​​kan upprätthålla kärnfusionsreaktioner har var och en av dessa manifestationer en mängd potential för energiskörd i framtiden. Här kan en av de konfigurationer som styrs av systemet, den ‘ITER-liknande formen’ (som ses ovan), vara särskilt lovande för framtida studier. International Thermonuclear Experimental Reactor (ITER) – Världens största kärnfusionsexperiment som för närvarande byggs i Frankrike.

Magnetisk behärskning av dessa plasmastrukturer representerar enligt forskare “Ett av de mest utmanande verkliga systemen där förstärkningsinlärning har implementerats”, och kan sätta en ny riktning i hur verkliga tokamaks är designade.

Faktum är att vissa tyder på att det vi ser här i grunden kommer att förändra framtiden för avancerade plasmakontrollsystem i fusionsreaktorer.

“Denna AI, enligt min mening, är den enda vägen framåt,” förklarade Gianluca Sarri, fysiker vid Queen’s University Belfast, som inte var involverad i studien. ,

“Det finns många variabler, och en liten förändring i en av dem kan göra stor skillnad i slutresultatet. Om du försöker göra det manuellt är det en väldigt lång process.”

Fynd har rapporterats,