DeepMind又放大招：用AI控制核聚变反应登上《自然》

在巨大的热量和重力下，太阳核心中的氢原子核相互碰撞，聚合成更重的氦原子，并在此过程中释放出大量能量。数十年来，科学家和工程师们探索通过形似甜甜圈的托卡马克装置，约束等离子体，从而达成可控核聚变的目的。如何有效控制等离子体，是通往核聚变的关键。

“我们需要加热这些物质，并使其保持足够长的时间，以便从中获得能量。” 瑞士洛桑联邦理工学院等离子体中心主任Ambrogio Fasoli说道。

要实现核聚变，必须满足三项条件：极高的温度、足够的等离子体粒子密度以及足够的限制时间。这正是人工智能的用武之地。2月16日，题为《通过深度强化学习对托卡马克等离子体进行磁控》（Magnetic control of tokamak plasmas through deep reinforcement learning）的论文登上《Nature》，该研究由谷歌旗下人工智能公司Deepmind和瑞士洛桑联邦理工学院等离子体中心的物理学家合作完成。

在超过1亿℃的环境下，氢过热成为一种等离子体状态。没有任何材料可以控制这样温度的等离子体，但在托卡马克装置中，强大的磁场使等离子体悬浮并固定在托卡马克内部，迫使其保持形状并阻止其接触反应堆壁（接触反应堆壁将冷却等离子体并损坏反应堆）。

在曾经的控制方法下，想要产生更高能量是一件风险很大的事情，物理学家也不敢轻易作尝试。Deepmind做的事就是训练AI学习精准控制托卡马克内包含等离子体的磁场。

“这使我们能够推动事情向前发展，因为我们可以承担原本不敢冒的风险。” 参与该项目的瑞士等离子体中心科学家之一Ambrogio Fasoli表示，“我们正在尝试的一些等离子体形状正使我们非常接近系统的极限。在这样的情况下，等离子体可能会崩溃并损坏系统。如果没有对人工智能的信心，我们不会冒这个风险。”

精准控制等离子体需要不断监测和操纵磁场。“托卡马克越复杂，性能越高，就需要越来越高的可靠性和准确性来控制。”圣地亚哥能源研究中心科学家Dmitri Orlov接受《Wired》采访时表示。

要实现这个目标，这个世界上第一个在核聚变装置（托卡马克）中实现对等离子体的自主控制的AI需要解决两个问题：准确捕获真实托卡马克装置中存在的所有变量，以及在不到50微秒（5000万分之一秒）时间内做出决定。

研究团队用一个大型神经网络每秒对90种等离子体的形状和位置完成一万次训练，从而不断对磁场变化如何塑造等离子体进行长程预测（longer-term prediction），并相应地调整19块磁铁的电压。然后用这个神经网络来训练一个小的系统，学习执行第一个网络所推荐的最佳决策。这样就可以即准确，又快速。

“这是迄今为止强化学习在现实世界中最具挑战性的应用之一，”DeepMind研究科学家Martin Riedmiller表示，“但需要明确的是，这并不意味着我们已经解决了聚变问题。它所代表的……是我们理解如何设计新的灵活托卡马克控制器的重要一步。”

在创造了击败围棋世界冠军的AlphaGo之后，DeepMind进入大众视野。此后，它还推出通过基因序列预测蛋白质三维结构的AlphaFold。

“当今科学领域的重大问题很少能简化为一小组优雅或紧凑的公式，由一个人或一个小团队来解决，”DeepMind 的研究科学家Jonas Buchli曾表示，“我们相信，人工智能是人类创造力的倍增器，它开启了新的探索领域，使我们能够充分发挥潜力。今天，人工智能系统变得足够强大，可以应用于许多现实世界的问题，包括科学发现本身。”

这不是第一次使用AI控制核聚变。自2014年以来，谷歌一直与聚变公司TAE Technologies 合作，将机器学习应用于不同类型的聚变反应堆——加速实验数据的分析。英国联合JET（Joint European Torus）聚变项目的研究已使用AI来尝试预测等离子体的行为。这个概念甚至出现在2004年的《蜘蛛侠 2》中，反派奥克博士创造了一个由人工智能驱动、由大脑控制的外骨骼来控制他的实验性聚变反应堆。

近日，JET在持续5秒的核聚变实验中产生总共59兆焦耳的能量，大幅刷新其在1997年实验中创造的纪录。这项成果将对仍处于建造中的国际热核聚变实验堆（ITER）起到重要的推动作用。