ШІ DeepMind допомагає утримувати плазму для досліджень термоядерного синтезу

Протягом десятиліть вчені працюють над технологією термоядерного синтезу за допомогою експериментів, розрахунків і моделювання, намагаючись знайти оптимальне поєднання умов для синтезу атомів і постійного виділення величезної кількості енергії. Компанія DeepMind, що належить Alphabet (Google), тепер надала свої значні ноу-хау в галузі штучного інтелекту через нове партнерство зі Швейцарським центром плазми (SPC) Федеральної політехнічної школи Лозанни (EPFL).

За останні кілька років DeepMind домігся вражаючих успіхів у світі штучного інтелекту, обігравши кращих гравців світу в го, передбачивши кількість опадів з високим ступенем точності і навіть вирішивши 50-річну наукову проблему, пророкуючи тривимірні структури унікальних білків.

Використовуючи цю технологію для досліджень термоядерного синтезу, вчені сподіваються знайти способи більш успішного підтримки потоків плазми, що дасть більше можливостей для критичних термоядерних реакцій.

Тип пристрою, що використовується для цих експериментів в SPC, відомий як токамак, що являє собою камеру у формі пончика, яка використовує потужне магнітне поле для утримання потоків надгорячої плазми, в якій атоми водню зливаються в атоми гелію і виділяють енергію.

Токамак SPC відомий як токамак зі змінними умовами (TCV), оскільки він дозволяє проводити експерименти з використанням плазми в різних конфігураціях. Дослідники постійно експериментують з новими способами управління плазмою, щоб вона не врізалася в стінки камери і не руйнувалася.

«Наш симулятор заснований на більш ніж 20-річних дослідженнях і постійно оновлюється», - сказав Федеріко Фелічі, вчений SPC. "Але навіть у цьому випадку для визначення правильного значення кожної змінної в системі управління як і раніше необхідні тривалі розрахунки. Ось тут-то і з'являється наш спільний дослідницький проект з DeepMind ".

DeepMind розробив новий алгоритм штучного інтелекту, який був навчений на симуляторі SPC, змусивши його використовувати безліч різних стратегій управління.

З часом, у міру накопичення досвіду в ході моделювання, алгоритм зміг розрахувати стратегії управління для створення необхідних конфігурацій плазми. Потім команда вчених доручила алгоритму працювати в зворотному порядку, визначаючи правильні налаштування для створення певної конфігурації плазми.

Після навчання алгоритм був протестований на реальному токамаці, де він зміг створювати і контролювати широкий спектр форм плазми, включаючи подовжені і вдосконалені форми, такі як конфігурації «негативна трикутність» і «сніжинка». В одному експерименті одночасно підтримувалися дві окремі конфігурації плазми.

«Місія нашої команди - дослідити системи штучного інтелекту нового покоління - контролери зі зворотним зв'язком - які можуть навчатися в складних динамічних середовищах повністю з нуля», - сказав Мартін Рідміллер, керівник групи управління в DeepMind.

«Управління термоядерною плазмою в реальному світі пропонує фантастичні, хоча і надзвичайно складні можливості».

Дослідження опубліковано в журналі Nature.