DeepMind wyszkolił sztuczną inteligencję do kontrolowania syntezy jądrowej

0
299

Wnętrze tokamak — naczynie w kształcie pączka zaprojektowanego do reakcji syntezy jądrowej — przedstawia szczególny rodzaj chaosu. Atomy wodoru zderzają się ze sobą w niewyobrażalnie wysokich temperaturach, tworząc wirującą, kłębiącą się plazmę, która jest gorętsza niż powierzchnia Słońca. Znalezienie inteligentnych sposobów kontrolowania i ograniczania tej plazmy będzie kluczem do uwolnienia potencjału syntezy jądrowej, która od dziesięcioleci jest uważana za źródło czystej energii przyszłości. W tym momencie nauka leżąca u podstaw fuzji wydaje się rozsądna, więc pozostaje tylko wyzwanie inżynieryjne. „Musimy być w stanie ogrzać tę materię i utrzymać ją razem wystarczająco długo, abyśmy mogli czerpać z niej energię”, mówi Ambrogio Fasoli, dyrektor Swiss Plasma Center w École Polytechnique Fédérale de Lausanne w Szwajcarii.

I tu właśnie wkracza DeepMind. Firma zajmująca się sztuczną inteligencją, wspierana przez firmę macierzystą Google, Alphabet, wcześniej skierowała swoją rękę na gry wideo i składanie białek i pracuje nad wspólnym projektem badawczym ze szwajcarskim centrum plazmowym, aby opracować sztuczną inteligencję do kontrolowania reakcja syntezy jądrowej.

W gwiazdach, które są również zasilane przez fuzję, sama masa grawitacyjna wystarcza do połączenia atomów wodoru i pokonania ich przeciwstawnych ładunków. Na Ziemi naukowcy zamiast tego używają potężnych cewek magnetycznych, aby ograniczyć reakcję syntezy jądrowej, ustawiając ją w pożądanej pozycji i kształtując jak garncarz manipulujący gliną na kole. Cewki muszą być dokładnie kontrolowane, aby plazma nie dotykała boków naczynia: może to uszkodzić ściany i spowolnić reakcję fuzji. (Ryzyko eksplozji jest niewielkie, ponieważ reakcja syntezy jądrowej nie może przetrwać bez magnetycznego zamknięcia).

Ale za każdym razem, gdy naukowcy chcą zmienić konfigurację plazmy i wypróbować różne kształty, które mogą zapewnić większą moc lub czystszą plazmę, wymaga to ogromnej pracy inżynieryjnej i projektowej. Konwencjonalne systemy są sterowane komputerowo i oparte na modelach i starannych symulacjach, ale są, jak mówi Fasoli, „skomplikowane i niekoniecznie zoptymalizowane”.

DeepMind opracował sztuczną inteligencję, która może autonomicznie kontrolować plazmę. Artykuł opublikowany w czasopiśmie Natura opisuje, w jaki sposób naukowcy z obu grup nauczyli systemu uczenia głębokiego wzmacniania, aby kontrolować 19 cewek magnetycznych wewnątrz TCV, tokamaka o zmiennej konfiguracji w Swiss Plasma Center, który jest wykorzystywany do prowadzenia badań, które posłużą do projektowania większych reaktorów termojądrowych w przyszłość. „Sztuczna inteligencja, a w szczególności uczenie się ze wzmocnieniem, jest szczególnie dobrze przystosowana do złożonych problemów związanych z kontrolowaniem plazmy w tokamaku” — mówi Martin Riedmiller, kierownik zespołu sterującego w DeepMind.

Sieć neuronowa — rodzaj konfiguracji sztucznej inteligencji zaprojektowanej w celu naśladowania architektury ludzkiego mózgu — została początkowo przeszkolona w symulacji. Zaczęło się od obserwacji, jak zmiana ustawień na każdej z 19 cewek wpływa na kształt plazmy wewnątrz naczynia. Następnie nadano mu różne kształty, aby spróbować odtworzyć je w plazmie. Obejmowały one przekrój w kształcie litery D zbliżony do tego, który będzie używany w ITER (dawniej Międzynarodowy Eksperymentalny Reaktor Termojądrowy), wielkoskalowy eksperymentalny tokamak budowany we Francji oraz konfiguracja płatka śniegu, która może pomóc rozproszyć intensywne ciepło reakcji bardziej równomiernie wokół statku.

Sztuczna inteligencja DeepMind była w stanie autonomicznie wymyślić, jak tworzyć te kształty, manipulując cewkami magnetycznymi we właściwy sposób — zarówno w symulacji, jak i wtedy, gdy naukowcy przeprowadzili te same eksperymenty w prawdziwym tokamaku TCV, aby zweryfikować symulację. Stanowi „znaczący krok”, mówi Fasoli, który może wpłynąć na projektowanie przyszłych tokamaków, a nawet przyspieszyć drogę do opłacalnych reaktorów termojądrowych. „To bardzo pozytywny wynik”, mówi Yasmin Andrew, specjalistka ds. syntezy jądrowej w Imperial College London, która nie była zaangażowana w badania. „Ciekawe, czy uda im się przenieść technologię na większy tokamak”.

Fusion stanowiło szczególne wyzwanie dla naukowców DeepMind, ponieważ proces jest zarówno złożony, jak i ciągły. W przeciwieństwie do gry turowej, takiej jak Go, którą firma podbiła dzięki AlphaGo AI, stan plazmy stale się zmienia. A żeby było jeszcze trudniej, nie można tego mierzyć w sposób ciągły. To, co badacze AI nazywają „systemem niedostatecznie obserwowanym”.

„Czasami algorytmy, które są dobre w tych dyskretnych problemach, borykają się z takimi ciągłymi problemami”, mówi Jonas Buchli, naukowiec z DeepMind. „To był naprawdę duży krok naprzód dla naszego algorytmu, ponieważ mogliśmy pokazać, że jest to wykonalne. Uważamy, że jest to zdecydowanie bardzo, bardzo złożony problem do rozwiązania. To inny rodzaj złożoności niż w grach”.

ZOSTAW ODPOWIEDŹ

Proszę wpisać swój komentarz!
Proszę podać swoje imię tutaj