AI на DeepMind помага да се ограничи плазмата за изследвания на ядрения синтез

Сподели

През десетилетия на развитие учените преследват технологията за ядрен синтез чрез безкрайни експерименти, изчисления и симулации, опитвайки се да намерят оптималната комбинация от условия за сливане на атомите и непрекъснато освобождаване на огромни количества енергия. Компанията DeepMind, собственост на Alphabet, вече предостави своето значително ноу-хау в областта на изкуствения интелект на усилията чрез ново партньорство с Швейцарския плазмен център (SPC) на Ecole Polytechnique Federale de Lausanne (EPFL), където вече е доказал своята стойност.

DeepMind направи няколко впечатляващи хода в света на изкуствения интелект през последните няколко години, побеждавайки най-добрите играчи в света в Go, прогнозирайки валежите с висока степен на точност и дори решавайки 50-годишен научен проблем чрез прогнозиране на 3D структури на уникални протеини.

Използвайки технологията за изследвания на ядрения синтез, учените се надяват да намерят начини за по-успешно поддържане на потоци от плазма, което позволява повече възможности за възникване на критични реакции на синтез. Типът устройство, използвано за тези експерименти в SPC, е известно като токамак, което е камера с форма на поничка, която използва мощно магнитно поле, за да съдържа потоци от супер гореща плазма, в която водородните атоми се сливат в един хелиев атом и освобождават енергия.

3D модел на реактора токамак в SPC

DeepMind & SPC/EPFL

Токамакът на SPC е известен като токамак с променливо състояние (TCV), тъй като позволява експерименти с използване на плазма в различни видове конфигурации. Изследователите тук непрекъснато експериментират с нови начини за контролиране на плазмата, така че да не се блъсне в стените на съда и да не се срути.

„Нашият симулатор се основава на повече от 20 години изследвания и се актуализира непрекъснато“, каза Федерико Феличи, учен от SPC. “Но дори и така, все още са необходими продължителни изчисления, за да се определи правилната стойност за всяка променлива в системата за контрол. Тук идва нашият съвместен изследователски проект с DeepMind.”

DeepMind разработи нов AI алгоритъм, който беше обучен на симулатора на SPC, като го накара да опита много различни стратегии за управление. С течение на времето, когато натрупа повече опит чрез симулациите, алгоритъмът успя да изчисли стратегии за управление за производство на исканите плазмени конфигурации. След това екипът възложи на алгоритъма да работи в обратна посока, идентифицирайки правилните настройки за генериране на конкретна плазмена конфигурация.

След обучение, алгоритъмът беше тестван на токамак в реалния свят, където успя да създаде и контролира широк спектър от плазмени форми, включително удължени и усъвършенствани форми като „отрицателна триъгълност“ и „снежинка“ конфигурации. Един експеримент включва поддържане на две отделни плазми едновременно.

AI на DeepMind беше използван за създаване на усъвършенствани плазмени конфигурации
AI на DeepMind беше използван за създаване на усъвършенствани плазмени конфигурации

DeepMind & SPC/EPFL

„Мисията на нашия екип е да изследва ново поколение AI системи – контролери със затворен цикъл – които могат да се учат в сложни динамични среди напълно от нулата“, каза Мартин Ридмилър, ръководител на контролния екип в DeepMind. “Контролирането на термоядрена плазма в реалния свят предлага фантастични, макар и изключително предизвикателни и сложни възможности.”

Изследването е публикувано в списанието природата.

Източник: EPFL



Публикациите се превеждат автоматично с google translate


Сподели