【AI100问(148)】人工智能如何助力可控核聚变？
文摘
科学
2024-06-10 11:00
北京
![]()
![]()
可控核聚变应该是最值得期待的能量来源。它所需的氘、氚等原料很容易获取，聚变过程不产生二氧化碳等温室气体和长时间放射性废物。如果真能实现，将一劳永逸地解决人类的能源问题。
然而，核聚变很狂暴，控制它非常困难。目前公认最有效的可控核聚变装置是一种称为托卡马克的设计[1]，由前苏联科学家在上世纪50年代发明。这是个类似甜甜圈的环形结构，高温高压的等离子体弥散在甜甜圈的圆环空腔中，这是产生核聚变的原料。问题是，这些等离子体的温度高达上亿度，可以融化任何绝热材料，如果乱跑会对反应装置产生巨大破坏。托卡马克采用磁力约束的方式将等离子体“控制”起来，让它们不要乱跑。这和我们用磁铁来控制铁屑摆成个笑脸的原理是一样的，只不过需要更精细的设计。
![]()
![]()
图2：托克马克的磁力约束，由环形磁场和极向磁场叠加形成2022年12月，美国劳伦斯利弗莫尔国家实验室成功实现了可控核聚变实验中首次净能量正输出，这一里程碑事件被称为“聚变点火”，轰动了全世界[3]。虽然前景很光明，但困难依然不小。最大的问题在于等离子体非常不稳定，系统可能忽然坍塌，使热核反应终止，这一现象称为“中断（disruption）”。更加严重的是，中断后的等离子体失去控制，可能在短时间内沉积到等离子体接触部件上，形成严重损害。理论上，中断现象是可以通过物理方程计算出来的，只要提前几十毫秒，就可以触发保护动作，减轻损失。问题是这种计算太慢了，还没算完破坏已经造成了。科学家们想到了人工智能，不是用物理公式来算，而是通过从历史数据中学习规律，对可能发生的中断进行预测。这种通过模型预测的方式要比计算物理方程快得多。事实上，早在2019年4月，《自然》杂志就发表了一篇论文[4]，用循环神经网络实现了30毫秒中断提前预警，为及时采取控制措施提供了反应时间。![]()
图3：基于循环神经网络的破裂状态预测[4]
(a) 从托克马克中获得状态诊断数据；(b) 对这些诊断数据进行预处理；(c) 循环神经网络预测30ms后的破裂概率；(d) 预测结果；(e) 采用气体注入方式减小损失；(f) 循环神经网络的结构
2024年2月，《自然》杂志再次发表文章[5]，报告了利用一种基于强化学习的中断控制方案，专门用来对付一种称为“撕裂“的中断，不仅可以在300毫秒前预测到撕裂的出现，还可以控制中断处理设备把撕裂的风险排除掉，从而避免反应中止，极大提高了反应装置的效率。如图4所示，左图是通过各种诊断数据预测到撕裂风险带（黄色圈），右图是控制中断处理设备将撕裂风险排除后的结果。有了这一预测-控制装置，发生中断的风险大大降低，人们离终极清洁能源的梦想又前进了一步。
![]()
图4：基于强化学习的撕裂风险预测（左）和排除（右）
[1] 维基百科：Tokamak, https://en.wikipedia.org/wiki/Tokamak[2] What is a tokamak? And is a spherical tokamak different? Tokmak Energy, https://www.youtube.com/watch?v=xu7aY5xCGvc[3] Nuclear-fusion lab achieves ‘ignition’: what does it mean? Nature, 2022/12/13, https://www.nature.com/articles/d41586-022-04440-7[4] Predicting disruptive instabilities in controlled fusion plasmas through deep learning, Nature, 2019, 4.17, https://www.nature.com/articles/s41586-019-1116-4[5] Avoiding fusion plasma tearing instability with deep reinforcement learning, Nature, 2024/2/21, https://www.nature.com/articles/s41586-024-07024-9![]()
