На протяжении десятилетий ученые разрабатывали технологию ядерного синтеза, проводя бесконечные эксперименты, расчеты и моделирование, пытаясь найти оптимальное сочетание условий для слияния атомов и непрерывного выделения огромного количества энергии. Компания DeepMind, принадлежащая Alphabet, теперь предоставила свое уникальное ноу-хау в области искусственного интеллекта в рамках нового партнерства со Швейцарским центром плазменных технологий (SPC) Федеральной политехнической школы Лозанны (EPFL), где эта технология уже доказала свою эффективность.
Плазма внутри токамака в SPC.DeepMind & SPC/EPFL
За последние несколько лет DeepMind добилась немалых успехов в мире искусственного интеллекта: она обыграла лучших игроков мира в игру Го, с высокой степенью точности спрогнозировала выпадение осадков и даже решила 50-летнюю научную проблему, предсказав 3D-структуру уникальных белков.
Используя эту технологию для исследований ядерного синтеза, ученые надеются найти способы более эффективного поддержания потоков плазмы, что даст больше возможностей для протекания критических реакций синтеза. Тип устройства, используемого в этих экспериментах в SPC, называется токамак - это камера в форме пончика, которая использует мощное магнитное поле для удержания потоков сверхгорячей плазмы, в которой атома водорода сливаются в один атом гелия, высвобождая энергию.
3D-модель реактора токамака в SPC.DeepMind & SPC/EPFL
В SPC используется токамак с переменными параметрами (TCV – Tokamak Condition Variable), поскольку он позволяет проводить эксперименты с различными конфигурациями плазмы. Исследователи постоянно экспериментируют с новыми способами управления плазмой, не допуская ее столкновения со стенками сосуда и разрушения системы.
"Наш симулятор основан на более чем 20-летних исследованиях и постоянно модернизируется", - говорит Федерико Феличи, ученый из SPC. "Но даже в этом случае все еще необходимы длительные расчеты для определения правильного значения каждой переменной в системе управления. В этом и заключается наш совместный исследовательский проект с DeepMind".
Специалисты DeepMind разрабатывая новый алгоритм ИИ , провели его обучение на симуляторе SPC, смоделировав множество различных стратегий управления. Со временем, по мере накопления опыта в процессе обучения, искусственный интеллект смог рассчитать стратегии управления для получения необходимых конфигураций плазмы. Затем команда поставила перед алгоритмом обратную задачу - определить оптимальные настройки для создания конкретной конфигурации плазмы.
Для создания передовых конфигураций плазмы использовался искусственный интеллект разработанный специалистами компании DeepMind.DeepMind & SPC/EPFL
После обучения алгоритм был испытан на реальном токамаке, где о смог создать и контролировать целый спектр различных форм плазмы, включая вытянутые и сложные формы, в том числе конфигураций "отрицательной треугольности" и "снежинки". Один из экспериментов включал одновременное удержание двух абсолютно разных конфигураций плазмы.
"Миссия нашей команды заключается в исследовании нового поколения систем искусственного интеллекта - замкнутых контуров управления - которые могут обучаться в сложных динамических средах полностью с нуля", - сказал Мартин Ридмиллер, руководитель группы управления в DeepMind. "Управление термоядерной плазмой в реальном мире открывает фантастические, хотя и чрезвычайно сложные и комплексные возможности".
a) Изображение цикла обучения. Управляющее устройство посылает команды о распределении напряжения на основе текущего состояния плазмы и целей управления. Эти данные отправляются в буфер воспроизводства, который передает данные обучающему устройству для корректировки параметров. b), Цикл взаимодействия с окружающей средой, состоит из модели источника питания, модели зондирования, модификации физических параметров окружающей среды и расчета компенсации. c) Система управления представляет собой MLP с тремя скрытыми структурами, которая принимает измерения и цели управления и выдает команды на подачу напряжения. d-f), Взаимодействие TCV и развернутой в реальном времени системы управления, реализованной с помощью обычного контроллера, состоящего из множества вспомогательных компонентов (f) или с помощью одной глубокой нейросети для прямого управления всеми 19 катушками (e). g), Изображение TCV и 19 управляемых катушек. Высота резервуара составляет 1,5 м, малый радиус - 0,88 м, полуширина - 0,26 м. j, Поперечное сечение резервуара и плазмы с обозначением важных аспектов.
Исследование было опубликовано в журнале Nature.
Источник: EPFL
https://www.nature.com/articles/s41586-021-04301-9
https://actu.epfl.ch/news/epfl-and-deepmind-use-ai-to-control-plasmas-for-nu/
