多年来，科学家一直试图解决复制太阳中自然发生的核聚变的工程难题。然而，迄今为止，在地球上实现核聚变仍然是一项难以实现的挑战。研究人员认为，人工智能可以解决核聚变问题，并揭开可持续核聚变反应堆的秘密。
研究人员在 普林斯顿等离子体物理实验室 首次展示了如何使用人工智能来预测并避免聚变装置中可能发生的灾难性不稳定性。他们的工作展示了人工智能引导等离子体的能力，并在面临巨大挑战的同时，使聚变能源的发展取得了重大飞跃。
亮点：人工智能稳定核聚变发电
- 机器学习可以快速分析数据，识别模式并进行调整，以增强对仿星器和托卡马克中的聚变反应的控制。
- 人工智能已经成功 避免磁场干扰 这会使两个在高约束模式下运行的托卡马克反应堆中的聚变等离子体不稳定。
- 研究人员正在使用人工智能来优化仿星器设计，加速复杂的物理代码，并简化下一代托卡马克的热通量建模。
- 成功的实时控制 已在 DIII-D 托卡马克聚变反应堆中得到验证。
- 与实验数据相结合的机器学习模型旨在揭示商业规模聚变反应堆的最佳等离子体约束方法。
“等离子体中的不稳定性可能导致聚变装置严重损坏。我们不能在商用聚变容器中使用这些不稳定性，“ 添加 埃格门·科勒门。 “我们的工作推动了该领域的发展，并表明人工智能可以在管理未来的聚变反应中发挥重要作用，避免不稳定，同时允许等离子体产生尽可能多的聚变能量，=
另见: Helion Energy 将在 Sam Altman 和微软的支持下破解聚变能源密码
人工智能解决方案：预测和预防
研究人员利用过去实验的数据训练了一个人工智能系统 DIII-D国家融合设施 在圣地亚哥。然后，人工智能可以预测潜在的撕裂模式不稳定性以及磁场线的中断，从而允许等离子体在实时聚变实验中提前 300 毫秒逃逸。
通过这一预警，人工智能控制器调整了等离子体形状和输入加热等关键操作参数，以防止不稳定性形成并破坏等离子体。
“通过从过去的实验中学习，而不是结合基于物理的模型中的信息，人工智能可以制定最终的控制策略，在真实的反应堆中实时支持稳定、高功率的等离子体状态，研究负责人、普林斯顿大学副教授埃格曼·科勒曼 (Egemen Kolemen) 说道。
利用人工智能克服复杂性
即使使用世界上最强大的超级计算机，精确模拟聚变等离子体的湍流、多尺度动力学也是一项复杂任务。研究人员承认，扩大和推广人工智能控制器存在诸多挑战。
- 强大的磁场难以在环形托卡马克装置中控制超过 100 亿摄氏度的过热等离子体
- 不稳定因素导致 磁场干扰 并让等离子体逸出。这是实现持续聚变燃烧的主要障碍。
- 模拟现实世界的情况需要 极其复杂的计算代码 即使在先进的超级计算机上运行也很慢。
- 使用机器学习模型优化代码时平衡精度和速度之间的权衡。
- 集成多个高保真物理代码和大量实验数据集来创建精确的模拟。
- 克服不稳定因素 边缘局域模式 这可能会损坏更大、更热的商用反应堆的反应堆组件。
释放人工智能驱动的融合潜力
尽管面临挑战，研究人员仍然对人工智能在商业上可行的聚变发电厂产生丰富清洁能源中的作用持乐观态度。
“最终，这可能不仅仅是科学家开发和部署这些人工智能模型的单向互动，”科勒曼说道。“通过更详细的研究它们，它们或许可以教会我们一些关于底层物理学的知识。“
随着人工智能发挥越来越重要的作用，研究人员认为人工智能可以解决核聚变问题。他们的目标是走上一条利用地球上核聚变的强大力量的道路，这条道路最终可能会变得更加光明。
