DeepMind用AI实现可控核聚变突破 等离子体形状模拟精度提高65%

7月26日消息，DeepMind透露，去年和瑞士等离子体中心合作利用人工智能控制了托卡马克内部核聚变等离子体，该实验已经将等离子体形状的模拟精度提升至65%，相关的研究信息在7月21日已经提交到印本网站ArXiv，从目前已经获取的信息来看，谷歌旗下的人工智能公司DeepMind已经将人工智能算法打磨成非常出色的境地，已经深入到足以改变世界的领域中。 据了解，托卡马克是利用磁约束能力来实现受控核聚变的环形容器，这种容器的中央是环形真空室的构造，外面会缠绕一些线圈，通电的时候，托卡马克内部会诞生出一个庞大的螺旋型磁场，其中的等离子体加热到高温后就会达到核聚变的效果目的，反馈控制程序对托卡马克装置的运行有着至关重要的作用，控制系统会主动管理磁线圈，通过这种方式来抑制细长等离子体的不稳定性。 除此之外，对等离子电流的位置和形状也能够做出精确的控制，传统的等离子体精确控制会通过连续闭合等离子体的电流和位置来实现这一目的，这些必须通过磁测量间接和实时的估计才能够完成，不过这套系统已经成功稳定了大范围的放电活动，但是这样的设计仍旧是具有一定的挑战性，而且还非常耗时，与一些磁约束反馈控制方法相比，这样的控制系统仍旧是有着一些明显的缺陷性，所以还需要对此进行改进。 从此次的研究项目中来看，该研究团队将重点放在了策略准确性以及整体的训练速度提升方面，有效解决了强化学习方法的缺点，对一些等离子体的特性实现了更加高精度的控制，从而减少稳态误差和学习新任务所需要的时间，该研究团队表示，虽然这样的研究结果显著降低了强化学习控制器的局限性，不过仍旧是有着很高的改进空间，未来可以在一些硬件上提高模拟性能，还有很多机会可以减少训练所需要的时间。