几十年来，核聚变一直被认为是未来的清洁能源。在这一点上，融合背后的科学似乎是合理的，所以剩下的就是工程挑战。
科学家们改为使用强大的磁线圈来限制核聚变反应，将其推到所需的位置，并像陶工在轮子上操纵粘土一样塑造它。必须仔细控制线圈以防止等离子体接触容器的侧面：这会损坏容器壁并减慢聚变反应。
每次研究人员想要改变等离子体的配置并尝试不同的形状以产生更多的能量或更清洁的等离子体时，都需要大量的工程和设计工作。传统系统是计算机控制的，并基于模型和仔细的模拟，复杂且不一定总是优化的。
这就是 DeepMind 的用武之地。这家由谷歌母公司 Alphabet 支持的人工智能公司此前已将业务转向视频游戏和蛋白质折叠，并一直在与瑞士等离子中心开展一项联合研究项目，以开发一种用于人工智能控制的核聚变反应。
DeepMind 开发了一种可以自主控制等离子体的 AI。发表在《自然》杂志上的一篇论文描述了这两个小组的研究人员如何教授一个深度强化学习系统来控制 TCV 内的 19 个磁线圈，用于开展研究未来更大的聚变反应堆的设计。
人工智能，特别是强化学习，特别适合解决托卡马克中控制等离子体所带来的复杂问题。
神经网络——一种旨在模仿人脑结构的人工智能设置——最初是在模拟中训练的。它首先观察改变 19 个线圈中的每一个线圈的设置如何影响容器内等离子体的形状。然后它被赋予不同的形状，试图在等离子体中重新创造。
更多点击标题