О т десетилетия, учени развиват технологията за ядрен синтез посредством експерименти, изчисления и симулации, опитвайки да намерят оптималната комбинация от условия за синтез и непрекъснато освобождаване на големи количества енергия. DeepMind, дъщерната компания на Alphabet, се включва в развитието на ядрената енергетика със своето напреднало ноу-хау в областта на изкуствения интелект (AI) чрез ново партньорство с Швейцарския плазмен център (SPC) на Швейцарския федерален технологичен институт в Лозана (EPFL). През последните няколко години, DeepMind постигна впечатляващи постижения в света на изкуствения интелект, побеждавайки най-добрите играчи на Go в света, прогнозирайки валежи с изключителна точност и дори решавайки 50-годишен научен проблем, като прогнозирането на 3D структурите на уникални протеини. Прилагането на технологията за изследвания на ядрения синтез, ще помогне на учените да намерят начини за по-успешно поддържане на потоци от плазма, което позволява повече възможности за възникване на реакции на синтез. Устройството, използвано при тези експерименти в SPC, е известно като токамак, което е камера с подобна на геврек форма, която използва мощно магнитно поле, за да задържа потоци от супер гореща плазма, в която водородните атоми се сливат в един хелиев атом и освобождават енергия. Токамакът на SPC е токамак с променливо състояние (TCV), което позволява извършването на експерименти с използването на плазма при различни конфигурации. Изследователите непрекъснато експериментират с нови начини за контрол на плазмата, за да не се ударя в стените на камерата и да се разпадне. „Нашият симулатор се основава на повече от 20 години изследвания и се актуализира непрекъснато“, каза Федерико Феличи (Federico Felici), учен от SPC. „Но дори и така, все още са необходими продължителни изчисления, за да се определи правилната стойност за всяка променлива в системата за контрол. Тук идва нашият съвместен изследователски проект с DeepMind.“
3D модел на токамак реактора в SPC
DeepMind е разработил нов AI алгоритъм, който е бил обучен на симулатор на SPC, опитвайки много различни стратегии за управление. С течение на времето, след натрупването на повече знания от симулациите, алгоритъмът успява да изчисли стратегии за управление и създаване на търсените плазмени конфигурации. След това екипът възложил на алгоритъма да работи в обратна посока, идентифицирайки правилните настройки за постигането на определена плазмена конфигурация. След обучението, алгоритъмът е тестван на токамак в реалния свят, където успява да създаде и контролира широк спектър от плазмени форми, включително удължени и усъвършенствани форми като „отрицателна триъгълност“ и „снежинка“. Един от експериментите включва поддържането едновременно на две отделни плазми. „Мисията на нашия екип е да изследва ново поколение AI системи – контролери със затворен цикъл – които могат да се учат в сложни динамични среди напълно от нулата“, каза Мартин Ридмилър (Martin Riedmiller), ръководител на контролния екип в DeepMind. Изследването е публикувано в списание Nature.
Източник: EPFL
Николай Ваташки
