📢 转载信息
原文链接：https://deepmind.google/discover/blog/bringing-ai-to-the-next-generation-of-fusion-energy/
原文作者：DeepMind
# 助力下一代核聚变能源：DeepMind 将人工智能带入可控聚变研究 核聚变（Fusion Energy）有望成为人类应对气候变化和能源短缺挑战的关键答案。它通过模拟太阳的能量产生方式，提供一种几乎无限、零碳且安全的清洁能源。然而，要实现商业化的可持续核聚变，科学家必须解决一个核心难题：如何精确控制超高温等离子体在磁场约束装置（如托卡马克，Tokamak）中保持稳定、长时间地存在。 DeepMind 很高兴地宣布，我们与英国原子能局（UKAEA）合作，在实现这一目标方面取得了里程碑式的进展。我们开发出一种先进的、基于深度强化学习（Deep Reinforcement Learning, DRL）的 AI 控制系统，成功地在世界领先的聚变实验装置之一——**Mega Ampere Spherical Tokamak (MAST-Upgrade)** 上，对等离子体进行了精确的实时控制。
## 驾驭等离子体：AI 解决的复杂挑战 托卡马克装置需要将氢同位素加热到超过 1.5 亿摄氏度，形成等离子体，并用强大的磁场将其约束在一个甜甜圈形状的真空室中。任何微小的扰动都可能导致等离子体失稳，接触到反应堆壁面，从而停止反应。 传统的控制系统通常依赖于预先编写好的、基于物理模型的算法，这些算法在应对等离子体行为的复杂性和非线性时，往往反应速度不够快，或者缺乏适应性。 DeepMind 的方法则完全不同： 1. **强化学习的威力**：我们利用深度强化学习（DRL）训练了一个 AI 控制代理。这个代理通过与 MAST-Upgrade 装置的模拟环境进行数百万次的交互学习，掌握了复杂的物理学规律，学会了如何在毫秒级的时间尺度上调整数千个控制参数（如线圈电流、真空室壁加热功率等）。 2. **实时精确控制**：AI 代理直接接收来自装置传感器的实时数据，并自主生成控制指令，以维持等离子体在最佳的形状和位置上，防止出现“不稳定性”（Instabilities）或“破裂”（Disruptions）。 
## MAST-Upgrade 上的成功演示 在实际的实验中，我们的 AI 成功实现了几种具有里程碑意义的等离子体控制任务： * **复杂形状的维持**：AI 成功地稳定并维持了高难度、非对称的等离子体形状，这对于提高聚变反应堆的效率至关重要。 * **抗扰动能力**：当模拟的外部扰动被引入时，AI 控制系统能快速调整，将等离子体恢复到目标状态，展现出超越传统方法的鲁棒性。 英国 UKAEA 团队表示，这项技术有望加速未来聚变反应堆的设计和运营，显著降低实现商业化所需的时间和成本。 
## 展望未来：更智能的聚变研究 这次合作是人工智能在解决全球最重大科学挑战中的一个典范案例。DRL 不仅可以用于实时控制，未来还可以帮助科学家们更好地理解等离子体的基础物理特性，加速新一代聚变反应堆（如 STEP 项目）的设计和优化。 DeepMind 致力于通过 AI 赋能科学发现和工程创新。我们期待与全球的聚变社区合作，利用智能技术加速通往清洁、可持续能源的道路。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区