这款 AI 模型能够提前数百毫秒监测到等离子体可能涌现的不稳定情形,并通过改变某些操作参数来避免其发生撕裂。

“从过去的实验中学习,而不是从物理理论模型中获取信息,AI 可以制订出终极的掌握策略,实现在真实反应堆中实时支持高功率等离子体保持稳定。
”该论文的通讯作者、普林斯顿大学埃格曼·科莱曼(Egemen Kolemen)副教授对媒体表示。

图丨AI 防撕裂系统对托卡马克的掌握和等离子体相应的示意图(来源:Nature)

近日,干系论文以《基于深度强化学习避免聚变等离子体撕裂不稳定性》(Avoiding fusion plasma tearing instability with deep reinforcement learning)为题在 Nature 上揭橥 [1]。

科学家开拓猜测等离子体撕裂AI模型占领核聚变反应的不稳定问题

图丨干系论文(来源:Nature)

普林斯顿大学博士后研究员徐在民(Jaemin Seo)是第一作者,科莱曼担当通讯作者。

发生在太阳内部的核聚变,是太阳能够源源不断地开释能量,进而使地球上的生命成为可能的根本缘故原由。

近年来,伴随着人类对能源需求不断增长以及碳中和目标的哀求,核聚变也因零碳发电等上风,成为一种拥有良好前景的清洁能源生产办法。

(来源:AI 天生,图文无关)

据理解,2022 年底,美国劳伦斯利弗莫尔国家实验室团队在其国家点火举动步伐上首次成功地实现净能量增益,从而证明了通过核聚变输出净能量的可行性。

不仅如此,利用托卡马克进行核聚变也迎来主冲要破。
例如,2021 年底,中国科学院等离子体物理研究所的全超导托卡马克核聚变实验装置 EAST,实现了 1056 秒的长脉冲高参数等离子体运行。

不过,托卡马克核聚变实验依然存在一些须要办理的寻衅。

对付核聚变的发生而言,常日须要两个轻原子核(如氢)聚拢在一起,然后形成一个较重的原子核,不过想让这两个原子实现领悟并非易事,必须通过极高的压力或者能量勉励,才能帮助它们战胜原子核相互之间的排斥力。

在太阳内部,核聚变的顺利进行由太阳的巨大引力和核心的极高压力作为支撑,地球上则采取强磁场进行约束。

然而,要利用托卡马克稳定、高效地生产聚变能量,就须要在不毁坏等离子体的情形下保持高压氢等离子体。

因此,该领域的科学家们要根据不雅观测到的等离子体状态,对托卡马克进行主动掌握,以便在操纵高压等离子体的同时,避免涌现撕裂模式等不稳定性成分。

“这是等离子体被毁坏的紧张缘故原由之一,当我们考试测验以产生足够能量所需的高功率进行聚变反应时,这种情形将变得更加突出。
”徐在民对媒体表示,“因此,它是我们须要办理的主要寻衅。

该团队选择基于强化学习的 AI 占领这一寻衅,由于它能够快速地处理新数据并做出反应,以阻挡撕裂模式的不稳定性在几毫秒内形成,避免可控核聚变反应脱轨的情形发生。

基于坐落在美国圣地亚哥的 DIII-D 国家聚变举动步伐以往的实验数据,他们构建了一个深度神经网络,能够根据实时等离子体的特性,预测未来撕裂模式不稳定性涌现的可能性。

他们利用该神经网络演习强化学习算法,让其考试测验学习掌握等离子体的不同策略,并通过反复试验来验证策略的有效性。

图丨系统总体设计框架(来源:Nature)

该论文的合著者之一、科莱曼课题组的研究学者阿吉拉赫什·贾拉万德(Azarakhsh Jalalvand)对媒体表示:“我们并没有向强化学习模型传授核聚变反应的所有繁芜物理知识,而是见告它目标是保持高功率反应,要避免撕裂模式不稳定性,以及它可以迁徙改变哪些按钮来实现这些目标。

而 AI 在经历无数次仿照聚变实验之后,终极找到了既能保持高功率水平又能避免不稳定性的方法,即便在低安全系数和低扭矩的相对不利条件下,AI 模型也能将撕裂的可能性保持在目标阈值之下。

其余,基于目前的研究,接下来该课题组也操持找到 AI 模型在 DIII-D 上良好运行的更多证据,并将它拓展到其他托卡马克装置上。
此外,他们还将进一步扩展算法,以便能够避免其他类型的不稳定性。

综上可以看出,该成果为开拓稳定的高性能托卡马克运行方案铺平了道路,有望在国际热核聚变实验堆操持等项目中得到实际运用。

参考资料:

1.Seo, J., Kim, S., Jalalvand, A. et al. Avoiding fusion plasma tearing instability with deep reinforcement learning. Nature 626, 746–751 (2024). https://doi.org/10.1038/s41586-024-07024-9

https://www.independent.co.uk/tech/nuclear-fusion-ai-clean-energy-b2500756.html

https://phys.org/news/2024-02-ai-wrangle-fusion-power-grid.html

支持:邹名之

排版:刘雅坤