DeepMind leerde kunstmatige intelligentie om kernfusie te beheersen

Een van de grootste obstakels die ons nog steeds verhindert om snelle vooruitgang te boeken op het gebied van kernfusie, is de beheersing van de reactie. Want als de fundamentele wetenschappelijke theorie vandaag de dag volledig onder de knie is, is dit in de praktijk nog lang niet het geval; We hebben gehoord van grote vooruitgang in China en in Engeland, maar er is nog veel werk aan de winkel voordat we kunnen hopen deze reactie te domesticeren. Maar het nieuwste werk zou de situatie kunnen veranderen met een heel andere aanpak: vraag de AI om het voor ons te doen!

Dit idee komt rechtstreeks van de goochelaars van DeepMind, het AI-bedrijf opgericht door de illustere Demis Hassabis. Dit neefje van Google (DeepMind is gebaseerd op Alphabet, het moederbedrijf van Google) heeft de afgelopen jaren verschillende labs opgezet die allemaal één ding gemeen hebben: ze willen fundamenteel onderzoek in AI ten dienste stellen van het oplossen van problemen. .

Het bedrijf begon naam te maken in games, met programma’s als Alpha StarEn alfa schaken waar AlphaGo Die vandaag een onbetwist bovenmenselijk niveau heeft bereikt. Langzamerhand is DeepMind ook de interesse van kunstmatige intelligentie gaan onderzoeken in disciplines die zeker minder leuk zijn voor het grote publiek, maar revolutionair zijn op wetenschappelijk vlak.

Zo hebben haar teams de afgelopen jaren veel even indrukwekkende werken gemaakt. In slechts een paar jaar tijd hebben de onderzoekers zich bijvoorbeeld gebogen over de algemene theorie van Op zoek naar oplossingen, lanceerden ze een werk dat informatica en programmeren in het algemeen opnieuw zou kunnen definiëren, en stelden ze een systeem voor dat een revolutie teweegbracht in de structurele biologie – precies dat. Maar ze zijn nog niet klaar, verre van dat. Vanaf nu hebben echte algoritmische goochelaars hun ogen gericht op een langetermijndoel voor onze beschaving: kernfusie.

Plasma, een redder maar een wispelturige bondgenoot

In een notendop, het is min of meer mini shams koken In de duurste snelkookpan in de geschiedenis. De technische uitdaging is enorm. Het gaat er immers om het verwarmde plasma op te sluiten tot een duivelse temperatuur, die de symbolische drempel van 100 miljoen graden Celsius ver overschrijdt. Het probleem is dat de wetenschap tegenwoordig geen materiaal heeft dat zo’n oven kan weerstaan.

Om dit grootteprobleem te omzeilen, ITER En de andere tokamaks zijn gebaseerd op een zeer ingenieus idee geformuleerd in de jaren 50. Als er geen materiaal is dat deze temperatuur kan weerstaan, gewoon… gebruik helemaal geen materiaal! Of, meer precies, om ervoor te zorgen dat het op geen enkele manier in contact komt met het plasma.

Om dit te bereiken, hebben de onderzoekers enorme elektromagneten gebruikt om een ​​extreem sterk magnetisch veld te produceren, dat het plasma op ruime afstand van de reactorwanden kan opsluiten. Simpel in theorie, maar veel makkelijker gezegd dan gedaan. In feite moeten de parameters van dit magnetische veld heel slim worden gecontroleerd om de opsluiting van het plasma en dus de prestaties van de reactor te verbeteren.

Simulatie voor een betere ervaring

Deze beperking vertraagt ​​de ontwikkeling van de tokamak enorm. Elke keer dat onderzoekers de configuratie van de spoel willen verbeteren, staan ​​ze voor een zeer serieuze technische uitdaging. Je moet deze nieuwe bewering goed ontwerpen en vervolgens de multiton-elektromagneten en alle andere bijbehorende elementen weer in elkaar zetten. Een lang proces in het algemeen, en zonder de minste garantie op resultaat.

Dit is waar DeepMind om de hoek komt kijken, dat hoopt kunstmatige intelligentie te gebruiken om dit zeer tastbare probleem op te lossen. Het is inderdaad een scenario dat goed past bij de mogelijkheden van AI; Het kan jongleren met veel zeer precieze parameters om vrij snel conclusies te trekken, wat jaren werk voor de onderzoekers zou hebben gekost. Daarom heeft DeepMind een systeem ontwikkeld dat in staat is de werking van spoelen te wijzigen om in-kamer plasma’s in realtime te verwerken, eerst in een simulatie en vervolgens in een echte reactor. Deze flexibiliteit maakt het dan mogelijk om de stabiliteit en het rendement van de reactie te verbeteren.

Een kunstmatige intelligentie met schizofrenie in dienst van de wetenschap

Om dit te bereiken, moeten onderzoekers bijna honderd verschillende parameters zo’n tienduizend keer per seconde meten. Een snelheid zo hels als de temperatuur van de reactor, en ver boven alle systemen die het bedrijf tot dan toe had geproduceerd. Dit dwong DeepMind om zijn aanpak te veranderen. De bijzonderheid van dit systeem is dat het niet uit één netwerk bestaat, maar uit twee subnetwerken van virtuele neuronen.

Deze werken op elkaar in, maar opereren toch onafhankelijk. We hebben dus een soort schizofrene AI met aan de ene kant een raster waarop staat “kritisch“De scalair leert relatief via iteraties, en aan de andere kant zegt het tweede netwerk”Vertegenwoordiger“Die de conclusies van de eerste verzamelt om direct aan de reactor te werken.

Dit systeem is getraind op de TCV, de tokamak van het Zwitserse Plasmacentrum. Het is een ietwat speciale machine omdat het een variabele configuratie heeft waarmee onderzoekers kamerparameters tussen twee experimenten kunnen aanpassen. Zo hopen ze de optimale configuratie te bepalen die vervolgens zal worden hergebruikt binnen het ITER- en Comrades-raamwerk bij het presenteren van de langverwachte proof of concept.

een

Verdere snelle en tastbare vooruitgang wordt verwacht

Aan het einde van deze training over de verschillende en gevarieerde configuraties was de AI van DeepMind al in staat om de magnetische veldmanipulaties te voorspellen die nodig zijn om de verschillende plasmaconfiguraties te realiseren. Het goede nieuws is dat deze resultaten in de praktijk geverifieerd kunnen worden; Tijdens tests in reële omstandigheden op de TCV konden de onderzoekers de plasmaconfiguraties heel dicht bij de simulaties krijgen.

Dit betekent niet dat we in de nabije toekomst toegang zullen hebben tot commerciële consolidatie. Aan de andere kant is het allemaal hetzelfde kwalificatieresultaat”prominente” En “heel positief“Door professionals. Dit werk heeft aangetoond dat de nieuwe AI van DeepMind een betrouwbare en zeer capabele bondgenoot is bij het verkennen van de dynamiek van reactoren, wat het onderzoek en de ontwikkeling van verder proof-of-concept aanzienlijk zal versnellen. Dit is typisch het type technologie dat de prestaties van reactoren.” Machines zoals JET, een andere experimentele tokamak die ITER bedient en die onlangs een record voor energieproductie brak.

Toegegeven, het blijft nodig om ervoor te zorgen dat deze conclusies voor de TCV ook voor andere tokamaks gelden. Maar dit systeem is ongetwijfeld een veelbelovend onderzoeksinstrument dat de komende jaren gedemocratiseerd kan worden. Er is dus reden om enthousiast te worden nu het eerste plasma van ITER, dat gepland staat voor rond 2025, dichterbij komt.

Onderzoekspapier is beschikbaar hier.