ИИ DeepMind помогает удерживать плазму для исследований термоядерного синтеза
На протяжении десятилетий ученые работают над технологией термоядерного синтеза посредством экспериментов, расчетов и моделирования, пытаясь найти оптимальное сочетание условий для синтеза атомов и постоянного выделения огромного количества энергии. Компания DeepMind, принадлежащая Alphabet (Google), теперь предоставила свои значительные ноу-хау в области искусственного интеллекта через новое партнерство со Швейцарским центром плазмы (SPC) Федеральной политехнической школы Лозанны (EPFL).
За последние несколько лет DeepMind добился впечатляющих успехов в мире искусственного интеллекта, обыграв лучших игроков мира в го, предсказав количество осадков с высокой степенью точности и даже решив 50-летнюю научную проблему, предсказывая трехмерные структуры уникальных белков.
Используя эту технологию для исследований термоядерного синтеза, ученые надеются найти способы более успешного поддержания потоков плазмы, что даст больше возможностей для критических термоядерных реакций.
Тип устройства, используемого для этих экспериментов в SPC, известен как токамак, представляющий собой камеру в форме пончика, которая использует мощное магнитное поле для удержания потоков сверхгорячей плазмы, в которой атомы водорода сливаются в атомы гелия и выделяют энергию.
Токамак SPC известен как токамак с переменными условиями (TCV), поскольку он позволяет проводить эксперименты с использованием плазмы в различных конфигурациях. Исследователи постоянно экспериментируют с новыми способами управления плазмой, чтобы она не врезалась в стенки камеры и не разрушалась.
«Наш симулятор основан на более чем 20-летних исследованиях и постоянно обновляется», — сказал Федерико Феличи, ученый SPC. «Но даже в этом случае для определения правильного значения каждой переменной в системе управления по-прежнему необходимы длительные расчеты. Вот тут-то и появляется наш совместный исследовательский проект с DeepMind».
DeepMind разработал новый алгоритм искусственного интеллекта, который был обучен на симуляторе SPC, заставив его использовать множество различных стратегий управления.
Со временем, по мере накопления опыта в ходе моделирования, алгоритм смог рассчитать стратегии управления для создания требуемых конфигураций плазмы. Затем команда ученых поручила алгоритму работать в обратном порядке, определяя правильные настройки для создания определенной конфигурации плазмы.
После обучения алгоритм был протестирован на реальном токамаке, где он смог создавать и контролировать широкий спектр форм плазмы, включая удлиненные и усовершенствованные формы, такие как конфигурации «отрицательная треугольность» и «снежинка». В одном эксперименте одновременно поддерживались две отдельные конфигурации плазмы.
«Миссия нашей команды — исследовать системы искусственного интеллекта нового поколения — контроллеры с обратной связью — которые могут обучаться в сложных динамических средах полностью с нуля», — сказал Мартин Ридмиллер, руководитель группы управления в DeepMind.
«Управление термоядерной плазмой в реальном мире предлагает фантастические, хотя и чрезвычайно сложные возможности».