Liam Tung er en fuldtids freelance teknologijournalist, som skriver for adskillige australske publikationer.
Fuld biografi den 17. februar 2022 | Emne: Kunstig intelligens
En model af en tokamak, en nøglekomponent i processen med nuklear fusion til elproduktion.
Billede: Jiang Qiming/China News Service via Getty Images
Alfabet-ejede DeepMind har udviklet en kunstig intelligens, der viser løfte om at kontrollere magnetiske enheder, der holder supervarmt og uregerligt plasma i en stabil konfiguration, hvilket muliggør kernefusion til elproduktion.
Disse plasma-begrænsende enheder, kaldet tokamaks , dannes ved hjælp af en række magnetiske spoler med høj effekt til at skabe et kar, hvor plasma styres ved temperaturer lige så varme som solens kerne. Korrekt afgrænset plasma kan tillade, at nuklear fusion finder sted mellem brintatomer og bliver undersøgt som en bæredygtig metode til at generere elektricitet.
Forskere fra DeepMind og EPFL's Swiss Plasma Center (SPC) beskriver i et nyt papir i Nature, hvordan de hjalp med at skabe et sæt DeepMind AI-algoritmer, der var i stand til at kontrollere plasmaformen inde i karret.
SPC'et har en “Tokamak med variabel konfiguration” (TCV) vakuumbeholder til afprøvning af plasmaindeslutning til nuklear fusion. SPC havde brug for en måde at sikre, at den pålideligt kan vælge de rigtige værdier for hver variabel, såsom spænding, til kontrolsystemets plasmaindeslutning.
SPC havde allerede en velinformeret simulator, men dens brugere mangler stadig at køre lange beregninger for at bestemme den rigtige værdi for hver variabel i kontrolsystemet, ifølge SPC.
Med de rigtige værdier, styresystemet kan begrænse plasma på en måde, der undgår, at det for eksempel kolliderer med væggene i TCV-vakuumbeholderen, i hvilket tilfælde plasmaet ville forringes.
Forskerne siger, at de har skabt en “tidligere ubeskrevet arkitektur for tokamak magnetiske controller-design, der selvstændigt lærer at styre hele sæt kontrolspoler.” Denne arkitektur kan reducere den indsats, der kræves for at producere nye plasmakonfigurationer.
Ph. SPC's blogindlæg kan DeepMind's AI, som blev trænet på sin simulator, skabe og vedligeholde specifikke plasmakonfigurationer, herunder, som beskrevet i papiret, “aflange, konventionelle former, såvel som avancerede konfigurationer, som f.eks. som negativ triangularitet og 'snefnug'-konfigurationer.”
DeepMind og SPC kørte også algoritmerne med succes på SPC's faktiske TVC, ikke kun dens simulator. De demonstrerede også en vedvarende konfiguration af to separate plasma “dråber” inde i karret.
DeepMind har endnu ikke offentliggjort sit indlæg om forskningen, men vil gøre det til sidst på dette link.
Innovation
Gør dit hjem smartere med disse seks tekniske opgraderinger Electric Sheep forvandler gamle plæneklippere til robotter. Denne Aktiia 24/7 bærbare forfølger den 'stille dræber' Hvad er Web3? Her er alt om internettets decentraliserede fremtid Google | Digital transformation | CXO | Internet of Things | Innovation | Enterprise Software