人工智能能制造更好的聚变反应堆吗?

自20世纪40年代以来，物理学家一直在尝试，但还没有人创造出有效的核聚变反应。与此同时，人工智能和机器学习(ML)已经在许多行业和应用中证明了自己在检测人类无法识别的数据中的微妙模式方面非常有能力。那么神经网络和为其提供动力的图形处理器是否有助于核聚变呢?挑战，而且是一个很大的挑战，将是加速全世界对驯服热等离子体不稳定性的探索，并最终提供一种可持续的、无碳的能源。

“物理学家，他们建立理论模型，他们写方程式，他们用数学方法处理事物，”他说•迪奥戈费雷拉他是里斯本大学信息系统教授Instituto Superior Técnico在葡萄牙。“但这是有限度的。”他说，人工智能可以提供帮助。

费雷拉最近与同事合作研究联合欧洲环面(JET)在英国研究详细介绍了人工智能、机器学习和深度学习模型在融合研究中的三种不同用途。费雷拉使用连接到JET反应堆的48个传感器的诊断数据来训练他的模型亚博排列五投注网站测辐射热计，收集电力和辐射数据。

费雷拉的一个模型预测了超热等离子体中的破坏。在研究中，他解释说，根据训练的方式，模型可以预测破坏的可能性——这可能导致等离子体逃离限制，震动设备，大幅降低等离子体的温度，并结束反应——或者估计破坏发生的时间。

第二个模型检测等离子体中的异常。该模型只训练了没有发生中断的反应，可以重现这些“良好”的实验。如果数据源于一个以中断告终的实验，该模型可以识别出数据何时以及如何偏离成功反应的数据。科学家可以利用这一过程来更好地理解是什么最终导致了破坏，并最终运行不太可能发生破坏的反应。

另一个应用涉及等离子体辐射模式的可视化表示。费里埃拉说，进行蛮力直接计算，每次反应可能需要20分钟。相比之下，费雷拉研究小组的另一个模型可以在几秒钟甚至更短的时间内生成类似的图像。费雷拉说，这是如此之快，有一天可以在实时实验中完成。

华盛顿大学的研究人员，包括凯尔·摩根和克里斯·汉森，最近发表了一篇论文研究详细介绍了一种使用机器学习来预测等离子体行为的方法。他们的模型，使用了一种叫做回归，基本上抛出了导致无意义结果的场景，使其能够使用更少的数据、更少的计算能力和更少的时间。汉森说，尽管研究中的模型工作速度不够快，无法在实验中使用，但他认为最终可以。研究人员最近发表了另一项研究，该研究使用单个GPU来控制聚变实验，以前需要几台计算机。汉森说，这种强大的系统最终可以用于快速运行模型，从而在实验中发挥作用。

其他方法可以在实验之前或之后使用。在最近研究马基德斯(Stefano Markidis)说KTH皇家理工学院在瑞典斯德哥尔摩，他和他的同事Xavier Aguilar一起创建了一个深度学习模型，解决了确定等离子体信息的计算密集型步骤之一——计算其电场。这种方法更快，在某些情况下，比涉及复杂数学方程的传统方法更准确。

人工智能和机器学习在核聚变系统中并非没有缺点。机器学习算法，尤其是深度学习模型，是“黑箱”——并不总是能知道模型是如何得到结果的。但通过使用这些算法，科学家可以收集这些模型所看到的一些东西，并了解更多关于等离子体和聚变的物理知识。

他说:“最终，解决核聚变问题的将是我们的思想。”“这只是我们使用什么工具的问题，人工智能和机器学习将是一个关键工具。”