Det framgångsrika genomförandet av kärnfusion lovar att tillhandahålla en gränslös, hållbar källa till ren energi, men vi kan bara förverkliga denna otroliga dröm om vi behärskar den komplexa fysiken som pågår inuti reaktorn.
Under decennierna har forskare tagit stegvisa steg mot detta mål, men många problem förblir olösta. Ett av de största hindren är att framgångsrikt hantera den instabila och överhettade plasman i reaktorn – men ett nytt tillvägagångssätt visar hur vi kan göra det.
I ett samarbete mellan EPFL:s schweiziska plasmacenter (SPC) och artificiell intelligens (AI)-företaget DeepMind, använde forskare ett djupförstärkningssystem (RL) för att studera nyanserna av plasmabeteende och kontroll i en munkformad fusionstokamak. , som använder en serie magnetiska spolar placerade runt reaktorn för att kontrollera och manipulera plasmat inuti den.
Det är en knepig balansgång eftersom spolarna kräver ett stort antal fina spänningsjusteringar, upp till tusentals gånger per sekund, för att framgångsrikt hålla plasman inom magnetfältet. Att upprätthålla kärnfusionsreaktioner – vilket innebär att plasmastabiliteten upprätthålls vid hundratals miljoner grader Celsius, varmare än till och med solens kärna – kräver komplexa system med flera nivåer för att kontrollera spolarna. Men i en ny studie har forskare visat att ett artificiellt intelligenssystem kan klara av denna uppgift på egen hand.
"Med hjälp av en inlärningsarkitektur som kombinerar djup RL och en simuleringsmiljö skapade vi kontroller som både kan hålla plasman i ett stabilt tillstånd och använda den för att exakt återge olika former", förklarar teamet i ett DeepMind-blogginlägg. För att åstadkomma denna bedrift tränade forskarna sitt AI-system i en tokamak-simulator, där maskininlärningssystemet genom försök och fel lärde sig hur man navigerar i komplexiteten med plasmamagnetisk inneslutning. Efter examen tog AI det till nästa nivå genom att tillämpa det den lärde sig i simulatorn i den verkliga världen.
Genom att driva SPC variabel konfiguration tokamak (TCV) gav RL-systemet plasman inuti reaktorn olika former, inklusive en som aldrig tidigare setts i en TCV: stabiliserande "droppar" där två plasma samtidigt existerade inuti enheten. Förutom traditionella former kan AI också skapa avancerade konfigurationer, vilket ger plasman "negativ triangel" och "snöflinga".
Var och en av dessa manifestationer har olika potential för energiproduktion i framtiden om vi kan upprätthålla kärnfusionsreaktioner. En av de konfigurationer som styrs av detta system, den "ITER-liknande formen", kan vara särskilt lovande för framtida studier vid International Thermonuclear Experimental Reactor (ITER), världens största kärnfusionsexperiment, som för närvarande är under uppbyggnad i Frankrike.
Enligt forskarna är den magnetiska kontrollen av dessa plasmaformationer "ett av de mest komplexa verkliga systemen som förstärkningsinlärning har tillämpats på", och kan ge en radikal ny riktning i utformningen av verkliga tokamaks. Inte bara det, men vissa tror att det kommer att förändra framtiden för avancerade plasmakontrollsystem i fusionsreaktorer i grunden.
Läs också: