托卡马克的内部——设计用来容纳核聚变反应的环形容器——呈现出一种特殊的混沌。氢原子在深不可测的高温下被粉碎在一起，形成一个旋转、翻滚的等离子体，比太阳表面还要热。找到控制和限制等离子体的智能方法将是释放核聚变潜力的关键，几十年来，核聚变一直被认为是未来的清洁能源。在这一点上，核聚变背后的科学似乎是合理的，所以剩下的是一个工程挑战。瑞士洛桑埃科尔理工学院瑞士血浆中心主任安布罗吉奥·法索利说：“我们需要能够加热这个问题，并将其保持足够长的时间，以便我们从中提取能量。”。
这就是DeepMind的用武之地。这家由谷歌母公司Alphabet支持的人工智能公司此前已将业务转向电子游戏和蛋白质折叠，并一直在与瑞士等离子体中心（Swiss Plasma Center）开展一项联合研究项目，以开发一种用于控制核聚变反应的人工智能。
在同样由聚变提供动力的恒星中，绝对的引力质量足以将氢原子拉到一起，并克服它们相反的电荷。在地球上，科学家们转而使用强大的磁线圈来限制核聚变反应，将其推进到所需的位置，并将其塑造成陶工在轮子上操纵粘土的形状。线圈必须小心控制，以防止等离子体接触容器的侧面：这可能会损坏容器壁并减缓聚变反应。（爆炸的风险很小，因为没有磁约束，聚变反应无法存活）。
但是，每当研究人员想要改变等离子体的结构，尝试不同的形状，以产生更大的功率或更清洁的等离子体时，就需要大量的工程和设计工作。传统的系统是计算机控制的，基于模型和仔细的模拟，但法索利说，它们“很复杂，不一定总是经过优化的。”
DeepMind开发了一种人工智能，可以自动控制等离子体。发表在《自然》杂志上的一篇论文描述了这两个小组的研究人员如何教授一个深度强化学习系统，以控制TCV内的19个磁线圈。TCV是瑞士等离子体中心的可变配置托卡马克装置，用于开展研究，为未来更大的聚变反应堆的设计提供信息。“人工智能，特别是强化学习，特别适合于托卡马克等离子体控制所带来的复杂问题，”DeepMind控制团队负责人马丁·里德米勒（Martin Riedmiller）说。神经网络——一种旨在模拟人脑结构的人工智能装置——最初是在模拟中训练的。它首先观察改变19个线圈的设置如何影响容器内等离子体的形状。然后它被赋予不同的形状，试图在等离子体中重建。其中包括一个D形截面，靠近将在ITER（以前的国际热核实验反应堆）内部使用的部分，法国正在建造的大型实验托卡马克，以及一个雪花结构，可以帮助在容器周围更均匀地散发反应的强烈热量。
DeepMind的人工智能能够通过在模拟中以及科学家在TCV托卡马克内进行相同的真实实验以验证模拟时以正确的方式操纵磁线圈，自主地找出如何创建这些形状。法索利说，这是一个“重要的一步”，可能会影响未来托卡马克的设计，甚至加速通往可行的聚变反应堆的道路。“这是一个非常积极的结果，”伦敦帝国理工学院（Imperial College London）的核聚变专家亚斯敏·安德鲁（Yasmin Andrew）说，他没有参与这项研究。“看看他们能否将这项技术转移到更大的托卡马克上，这将是一件有趣的事情。”
聚变给DeepMind的科学家们带来了一个特殊的挑战，因为这个过程既复杂又连续。与Go等基于回合的游戏不同，等离子体的状态会不断变化。Go是该公司用AlphaGo人工智能征服的著名游戏。让事情变得更难的是，它无法持续测量。这就是人工智能研究人员所说的“观察不足的系统”
DeepMind的研究科学家乔纳斯·布奇利（Jonas Buchli）说：“有时候，擅长于这些离散问题的算法会与这些连续问题作斗争。”。“这对我们的算法来说是一个很大的进步，因为我们可以证明这是可行的。我们认为这肯定是一个非常非常复杂的问题需要解决。它的复杂性与游戏中的不同。”
这不是人工智能第一次被用来控制核聚变。自2014年以来，谷歌一直在与总部位于加利福尼亚州的聚变公司TAE Technologies合作，将机器学习应用于不同类型的聚变反应堆，以加速实验数据的分析。英国欧洲环面（JET）联合聚变项目的研究使用人工智能来预测等离子体的行为。这个概念甚至出现在小说中：在2004年的《蜘蛛侠2》中，反派Doc Ock创造了一个由人工智能驱动、由大脑控制的外骨骼来控制他的实验性核聚变反应堆，在人工智能接管他的大脑并开始杀人之前，这个反应堆一直运转良好。
总而言之，随着聚变反应堆变得越来越大，与DeepMind的合作可能是最关键的。尽管物理学家对如何通过常规方法控制小规模托卡马克中的等离子体有很好的把握，但随着科学家们试图使发电厂规模的装置可行，挑战只会增加。进展缓慢但稳定。上周，JET项目取得了突破，创造了从聚变项目中提取能量的新纪录。法国国际热核实验堆（ITER）正在进行建设。该国际合作项目将在2025年点火后成为世界上最大的实验聚变反应堆。
圣地亚哥能源研究中心的副研究员德米特里·奥尔洛夫说：“托卡马克越复杂、性能越高，就越需要以越来越高的可靠性和准确性控制更多的量。”。AI控制的托卡马克可以进行优化，以控制反应热量向容器壁的传递，并防止破坏性的“等离子体不稳定性”反应堆本身可以重新设计，以利用强化学习提供的更严格控制。
法索利说，最终，与DeepMind的合作可能会让研究人员突破界限，加速聚变动力的漫长旅程。他说：“人工智能将使我们能够探索我们无法探索的东西，因为我们可以用这种我们不敢冒险的控制系统冒险。”。“如果我们确信，我们有一个控制系统，可以使我们接近极限，但不能超过极限，我们实际上可以探索的可能性，否则就不会有探索。”
🏃🏽♀️ 想要最好的健康工具吗？查看我们的装备团队挑选的最佳健身追踪器、跑步装备（包括鞋子和袜子）和最佳耳机