Den vellykkede implementeringen av kjernefysisk fusjon lover å gi en grenseløs, bærekraftig kilde til ren energi, men vi kan bare realisere denne utrolige drømmen hvis vi mestrer den komplekse fysikken som foregår inne i reaktoren.
I løpet av tiårene har forskere tatt trinnvise skritt mot dette målet, men mange problemer forblir uløste. En av de viktigste hindringene er å lykkes med å håndtere det ustabile og overopphetede plasmaet i reaktoren – men en ny tilnærming viser hvordan vi kan gjøre det.
I et samarbeid mellom EPFLs sveitsiske plasmasenter (SPC) og kunstig intelligens (AI)-selskapet DeepMind, brukte forskere et system for dyp forsterkning (RL) for å studere nyansene til plasmaadferd og kontroll i en smultringformet fusjonstokamak. , som bruker en serie magnetiske spoler plassert rundt reaktoren for å kontrollere og manipulere plasmaet inne i den.
Det er en vanskelig balansegang fordi spolene krever et stort antall fine spenningsjusteringer, opptil tusenvis av ganger per sekund, for å holde plasmaet innenfor magnetfeltet. Å opprettholde kjernefysiske fusjonsreaksjoner – som innebærer å opprettholde plasmastabilitet ved hundrevis av millioner av grader Celsius, varmere enn til og med solens kjerne – krever komplekse systemer med flere nivåer for å kontrollere spolene. Men i en ny studie har forskere vist at ett kunstig intelligenssystem kan takle denne oppgaven på egen hånd.
"Ved å bruke en læringsarkitektur som kombinerer dyp RL og et simuleringsmiljø, skapte vi kontrollere som både kan holde plasmaet i stabil tilstand og bruke det til å gjengi forskjellige former nøyaktig," forklarer teamet i et DeepMind-blogginnlegg. For å oppnå denne bragden trente forskerne AI-systemet sitt i en tokamak-simulator, der maskinlæringssystemet lærte gjennom prøving og feiling hvordan man navigerer i kompleksiteten til plasmamagnetisk inneslutning. Etter endt utdanning tok AI det til neste nivå ved å bruke det den lærte i simulatoren i den virkelige verden.
Ved å drive en SPC variabel konfigurasjon tokamak (TCV), ga RL-systemet plasmaet inne i reaktoren forskjellige former, inkludert en som aldri er sett før i en TCV: stabiliserende "dråper" der to plasmaer eksisterte samtidig inne i enheten. I tillegg til tradisjonelle former, kan AI også lage avanserte konfigurasjoner, og gi plasmaet "negative trekant" og "snøfnugg"-former.
Hver av disse manifestasjonene har et annet potensial for energiproduksjon i fremtiden hvis vi kan opprettholde kjernefysiske fusjonsreaksjoner. En av konfigurasjonene som kontrolleres av dette systemet, den «ITER-lignende formen», kan være spesielt lovende for fremtidig studie ved International Thermonuclear Experimental Reactor (ITER), verdens største kjernefysiske fusjonseksperiment, som for tiden er under bygging i Frankrike.
I følge forskerne er den magnetiske kontrollen av disse plasmaformasjonene "et av de mest komplekse systemene i den virkelige verden som forsterkningslæring har blitt brukt på," og kan gi en radikal ny retning i utformingen av tokamaks i den virkelige verden. Ikke bare det, men noen mener det vil fundamentalt endre fremtiden for avanserte plasmakontrollsystemer i fusjonsreaktorer.
Les også: