能源經濟及策略、新及再生能源、火力、核能及核設施除役、原子科技及民生應用的專業資訊平台



藉由人工智慧成功地控制在核融合實驗裡的電漿

出處 ScienceAlert 作者 謝懷毅 年份 2023/01/10
報告類型 新聞報導 分類 新及再生能源 資料時間 2023年1月
原始連結 原始連結

       成功達成核融合意味著可提供無止盡的潔淨能源,但首先我們要能夠處理核反應爐內複雜的物理現象才能實現此夢想。近幾十年來,科學家對於此目標堅持不懈,但有許多挑戰得面對。其中一個核心障礙為如何控制在反應爐內不穩定的超熱電漿,然而一個新的方法顯示我們可以做到這些。

        在瑞士洛桑聯邦理工學院 (École polytechnique fédérale de LausanneEPFL) 之瑞士電漿中心 (Swiss Plasma CenterSPC) 與研究人工智慧之公司DeepMind合作下,利用深度強化學習 (deep reinforcement learningdeep RL) 系統研究高溫電漿型態,同時探討托卡馬克 (tokamak) 反應爐內控制電漿之行為模式。但這不是一個很簡單的平衡反應,若要使得電漿被磁場侷限住,施加到線圈上的電壓須不斷地調整,頻率大約每秒數千次。故要維持核融合反應,亦即保持電漿在超高溫(大約數億度)下之穩定性,需要複雜且多層次的系統來管理線圈。然而在新的研究方面,研究者證實一個單一的人工智慧 (artificial intelligence, AI) 系統可完全自己來監督任務。

        為了完成此壯舉,研究者在一托卡馬克的模擬器中訓練他們的AI 系統,此機器學習(machine learning)系統經由試誤法學習到如何操縱磁約束電漿的複雜性。在訓練完成後,AI進一步到了下一個階段,亦即將其在模擬器中所學到的東西應用於真實世界中。藉由控制SPC的托卡馬克可變配置(tokamak configuration variable, TCV)deep RL系統在反應器內可產生不同形狀的電漿,包含一種之前在TCV內從來沒看過的形狀:穩定的「水滴狀」電漿,亦即兩種電漿同時存在於TCV內。除此傳統形狀之外,AI亦能生出進階的電漿結構圖像,例如 「負三角形」(negative triangularity) 結構或「雪花」(snowflake) 結構。

       根據研究者所述,能夠掌握形成這些電漿的能力表示其RL已經被應用於其中一個最具挑戰性的真實世界系統中,並能夠建立一個基礎的新方向,同時告訴我們要如何設計真實世界中的托卡馬克。事實上有些人認為,我們目前正看到的東西會基本性地改變未來融合反應器中的進階電漿控制系統。

 

圖片來源: ScienceAlert