如果能讓聚變反應(yīng)堆運轉(zhuǎn)起來，它將提供廉價、豐富且相對清潔的能源。人工智能（AI）首次被用于控制聚變反應(yīng)堆內(nèi)的超高溫等離子體，為提高其穩(wěn)定性和效率提供了一條新途徑。相關(guān)研究近日發(fā)表于《自然》。

　　英國DeepMind公司與瑞士洛桑聯(lián)邦理工學院（EPFL）的科學家合作，創(chuàng)建了一個神經(jīng)網(wǎng)絡(luò)，能夠控制EPFL的托卡馬克配置變量（TCV）聚變反應(yīng)堆中的磁場。這些磁場對于安全控制反應(yīng)堆的等離子體至關(guān)重要。

　　TCV的研究人員之前使用了19個磁圈，每個磁圈由一個單獨的算法控制，通過大量傳感器監(jiān)測反應(yīng)堆內(nèi)部，每秒數(shù)千次。而DeepMind創(chuàng)建了一個單一的神經(jīng)網(wǎng)絡(luò)來同時控制所有線圈，并能自主學習，從而最好地控制等離子體。

　　該團隊對人工智能進行了精確的數(shù)字模擬訓練，然后在真實機器上進行實驗，成功將等離子體維持2秒左右。這接近反應(yīng)堆的極限——TCV在一次實驗中將等離子體維持3秒鐘，而世界紀錄只有5秒。除了控制等離子體，人工智能還能塑造等離子體，并在反應(yīng)堆內(nèi)移動它。人工智能甚至展示了同時控制兩束分離等離子體的能力。

　　EPFL的Federico Felici說，盡管理論上有很多方法可以用磁圈來控制等離子體，科學家已經(jīng)嘗試和測試了一些策略，但人工智能以新穎的方法與線圈形成相同的等離子體形狀，讓團隊感到驚訝。

　　Felici解釋說，“這種人工智能算法，即強化學習，選擇了一種完全不同的方式使用TCV線圈，但仍在創(chuàng)造我們預(yù)期的相同等離子體。這種完全不同的方式可以自由地探索整個操作空間。”

　　英國約克大學的Howard Wilson認為，這些人工智能實驗表明，將等離子體包含在“極端幾何形狀”中是有希望的，這為使用不同等離子體形狀的實驗鋪平了道路，而這些實驗可能會提高穩(wěn)定性或效率。 “它降低了參數(shù)空間的操作風險，同時也打開了可以探索的參數(shù)新空間?！彼f。（李木子）