많은 미해결 문제가 상용 핵융합로의 길에 놓여 있지만, 양의 에너지 수율을 가진 최초의 원자로는 3년 안에 가동을 시작할 것이라고 약속하지만(ITER 프로젝트). 원자로에서 플라즈마를 안정된 상태로 유지하는 것은 상당히 어려운 것으로 밝혀졌습니다. 많은 요인들이 플라즈마 컬럼의 불안정성과 감쇠로 이어집니다. 플라즈마 안정성을 유지하기 위한 최신 시스템은 모든 것에 대응할 시간이 없으며 이 작업은 AI에 할당되었습니다.
2014년 Alphabet에 인수된 DeepMind의 연구원과 EPFL(Swiss Federal Institute of Technology in Lausanne)의 과학자는 인공 지능을 훈련시켜 실제 핵융합로 내부의 플라즈마를 제어할 수 있었습니다. 과거에 DeepMind는 학습 플랫폼을 구축하고 코딩하는 방법, 초인간적인 체스, 바둑 및 스타크래프트 II를 하는 방법을 가르치고 AI가 공간을 예측하도록 가르쳐 생물학에서 반세기 전의 문제를 해결하는 데 인상적인 발전을 보였습니다. 단백질의 모양. DeepMind AI의 새로운 너트는 토카막형 핵융합로에서 플라즈마의 모양을 제어하는 작업이었습니다. 그리고 그는 그것을 찢었습니다.
현대 토카막과 EPFL(가변 구성 토카막) 센터의 실험적인 스위스 토카막 TCV에서 원자로 작업실 주변의 자기장 매개변수는 여러 프로그래밍 가능한 컨트롤러에 의해 설정됩니다. 컨트롤러는 전자석을 제어하는 필드로 섭씨 수천만 ~ 수억 도의 온도를 가진 플라즈마 코드가 작업실 내벽에 닿지 않도록 하여 벽이 파괴되는 것을 방지하고 플라즈마 안정성을 제공합니다. .
스위스 토카막에서는 별도의 컨트롤러가 플라즈마 전류, 프로파일, 코드의 수직 및 수평 위치를 설정합니다. DeepMind와 스위스 과학자들의 작업은 신경망에 의해 제어되는 훈련 가능한 단일 컨트롤러의 개발로 귀결되었습니다. 먼저, 신경망은 전자석의 작동 매개변수의 일련의 조합에 대한 플라즈마의 반응을 보여준 다음 소프트웨어 시뮬레이터에서 플라즈마를 제어하도록 훈련되었습니다. 그 후 하나의 컨트롤러를 통해 신경망을 실제 원자로에 연결했습니다. 실습에서 알 수 있듯이 인공 지능은 엄격하게 정의된 구성으로 플라즈마 번들을 독립적으로 유지할 수 있었습니다.
TCV 토카막의 3D 모델. 이미지 출처: EPFL 개발자는 AI가 사람보다 독립적으로 훨씬 더 빠르게 플라즈마를 유지하기 위한 안정적인 매개변수를 찾고 살아있는 작업자보다 빠르게 변화하는 조건에 반응할 수 있다고 주장합니다. 신경망에 의해 제어되는 토카막 실험은 청정 및 거의 무한한 핵융합 에너지 생성 분야에서 상용 솔루션의 출현을 가속화할 수 있습니다.
2022-02-17 16:27:59
작가: Vitalii Babkin