这些新的AI Deepmind可以控制核聚变等离子体

欧洲的瑞士(SPC)和DeepMind等离子体中心,致力于“解决情报推进科学和人性,”开发出一种新的等离子体磁控制方法基于强化学习和应用它第一次真实的等离子体在SPC的托卡马克装置研究设施,TCV。

托卡马克是环状的设备用于核聚变的研究,和SPC是世界上为数不多的研究设施,有一个操作。这些设备使用一个巨大的磁场限制等离子体以极高的temperatures-hundreds几百万摄氏度,温度比太阳的核心,氢原子之间核聚变可能发生。此外,聚变产生的能量正在研究发电的应用。

SPC的托卡马克装置支持许多等离子体配置,从而被称为变量配置托卡马克(TCV)。因此,科学家可能利用它来包含和控制等离子体测试新方法。等离子体的配置在设备指的是它的形式和位置。

托卡马克装置使用的序列生成和维持等离子体磁线圈,和电压必须不断地监控。否则,等离子体可能与血管壁,使其降低。为了避免这种情况,SPC人员第一个测试他们的控制系统设置在模拟器利用TCV托卡马克装置。

“我们的模拟器是基于20多年的研究和不断更新,“费德里科•Felici说一个程控科学家、该研究的作者之一。“但即使如此,冗长的计算仍需要确定正确的值为每个变量的控制系统。这就是我们的联合研究项目DeepMind进来。”

DeepMind专家创建和训练一个人工智能系统生产和维护特定的等离子体配置程控的模拟器。这意味着第一次在模拟算法测试各种控制策略和获得知识。接下来,程序产生一个控制策略实现有针对性的等离子体配置基于收集的经验。这包括通过各种参数首先运行算法,然后分析了等离子体发生在每一个配置。然后系统要求生成一个特定的等离子体配置,通过选择合适的条件。

训练后,基于ai系统能够建立一个广泛的等离子体形式和复杂的配置,其中包括两个独立的等离子体的同时保留在容器中。最后,研究小组把他们的新系统通过其步在托卡马克装置来测试如何做真实的情况。

“DeepMind立即感兴趣的前景检测他们的人工智能技术在核聚变等领域,特别是在实际系统上像一个托卡马克装置,“Felici说。

马丁•Riedmiller DeepMind控制团队负责人和该研究的作者之一,指出:“我们的团队的使命是研究新一代的人工智能systems-closed-loop控制器可以在复杂的动态环境完全从头开始学习。控制核聚变等离子体在现实世界中提供出色的,虽然极具挑战性和复杂的机会。”

DeepMind自愿合作设计一个基于ai控制的程控系统的托卡马克装置与Felici咨询后。

“我们马上同意这个观点,因为我们看到了创新的巨大潜力,”Ambrogio Fasoli说,SPC的主任和该研究的作者之一。“所有的DeepMind科学家与我们合作非常热情,知道很多关于实现人工智能控制系统”。

DeepMind大大受益于合作研究工作,证明双方多学科方法的价值。

“SPC促使我们改进的协作强化学习算法,因此可以加速对聚变等离子体的研究,“丹特蕾西说,高级研究工程师DeepMind和该研究的作者之一。

这种合作应该为欧洲追求未来与外部公司合作研发的可能性。

“我们总是开放创新的双赢的合作,我们可以分享想法和探索新的视角,从而加快科技发展的步伐,“Fasoli说。

研究已经发表在这里。