Ang matagumpay na pagpapatupad ng nuclear fusion ay nangangako na magbibigay ng walang limitasyon, napapanatiling pinagmumulan ng malinis na enerhiya, ngunit maaari lamang nating mapagtanto ang hindi kapani-paniwalang pangarap na ito kung mabisa natin ang kumplikadong pisika na nagpapatuloy sa loob ng reaktor.
Sa paglipas ng mga dekada, ang mga siyentipiko ay gumawa ng mga karagdagang hakbang patungo sa layuning ito, ngunit maraming mga problema ang nananatiling hindi nalutas. Ang isa sa mga pangunahing hadlang ay ang matagumpay na pamamahala sa hindi matatag at sobrang init na plasma sa reaktor - ngunit ipinapakita ng isang bagong diskarte kung paano natin ito magagawa.
Sa pakikipagtulungan sa pagitan ng Swiss Plasma Center (SPC) ng EPFL at kumpanya ng artificial intelligence (AI) na DeepMind, gumamit ang mga siyentipiko ng deep reinforcement learning (RL) system para pag-aralan ang mga nuances ng pag-uugali at kontrol ng plasma sa isang donut-shaped fusion tokamak. , na gumagamit ng isang serye ng mga magnetic coil na matatagpuan sa paligid ng reactor upang kontrolin at manipulahin ang plasma sa loob nito.
Ito ay isang nakakalito na pagkilos sa pagbabalanse dahil ang mga coil ay nangangailangan ng malaking bilang ng mga fine voltage adjustment, hanggang sa libu-libong beses bawat segundo, upang matagumpay na mapanatili ang plasma sa loob ng magnetic field. Kaya, ang pagpapanatili ng mga reaksyon ng pagsasanib ng nukleyar - na kinabibilangan ng pagpapanatili ng katatagan ng plasma sa daan-daang milyong digri Celsius, na mas mainit pa kaysa sa core ng Araw - ay nangangailangan ng kumplikado, maraming antas na mga sistema upang makontrol ang mga coil. Gayunpaman, sa isang bagong pag-aaral, ipinakita ng mga siyentipiko na ang isang artificial intelligence system ay maaaring makayanan ang gawaing ito sa sarili nitong.
"Gamit ang isang arkitektura ng pag-aaral na pinagsasama ang malalim na RL at isang simulation na kapaligiran, lumikha kami ng mga controller na parehong maaaring panatilihin ang plasma sa isang steady na estado at gamitin ito upang tumpak na mag-render ng iba't ibang mga hugis," paliwanag ng koponan sa isang post sa blog ng DeepMind. Upang maisakatuparan ang gawaing ito, sinanay ng mga mananaliksik ang kanilang AI system sa isang tokamak simulator, kung saan natutunan ng machine learning system sa pamamagitan ng trial at error kung paano i-navigate ang mga kumplikado ng plasma magnetic confinement. Pagkatapos ng graduation, dinala ito ng AI sa susunod na antas sa pamamagitan ng paglalapat ng natutunan nito sa simulator sa totoong mundo.
Sa pamamagitan ng pagmamaneho ng isang SPC variable configuration tokamak (TCV), ang RL system ay nagbigay sa plasma sa loob ng reactor ng iba't ibang hugis, kabilang ang isa na hindi pa nakikita sa isang TCV: nagpapatatag ng "mga patak" kung saan dalawang plasma ang magkakasabay na umiral sa loob ng device. Bilang karagdagan sa mga tradisyonal na hugis, ang AI ay maaari ding lumikha ng mga advanced na pagsasaayos, na nagbibigay sa plasma ng "negatibong tatsulok" at "snowflake" na mga hugis.
Ang bawat isa sa mga pagpapakitang ito ay may iba't ibang potensyal para sa produksyon ng enerhiya sa hinaharap kung maaari nating mapanatili ang mga reaksyon ng nuclear fusion. Ang isa sa mga configuration na kinokontrol ng system na ito, ang "ITER-like shape," ay maaaring partikular na nangangako para sa hinaharap na pag-aaral sa International Thermonuclear Experimental Reactor (ITER), ang pinakamalaking nuclear fusion experiment sa mundo, na kasalukuyang ginagawa sa France.
Ayon sa mga mananaliksik, ang magnetic control ng mga plasma formation na ito ay "isa sa mga pinaka-kumplikadong real-world system kung saan inilapat ang reinforcement learning," at maaaring magbigay ng isang radikal na bagong direksyon sa disenyo ng real-world tokamaks. Hindi lamang iyon, ngunit ang ilan ay naniniwala na ito ay panimula na magbabago sa hinaharap ng mga advanced na plasma control system sa mga fusion reactor.
Basahin din: