DeepMind je obučio veštačku inteligenciju za kontrolu nuklearne fuzije
Firma za veštačku inteligenciju koju podržava Gugl naučila je algoritam za učenje pojačanja za kontrolu vatrene plazme unutar reaktora nuklearne fuzije tokamaka.
Unutrašnjost tokamaka – posude u obliku krofne dizajnirane da sadrži reakciju nuklearne fuzije – predstavlja posebnu vrstu haosa. Atomi vodonika se razbijaju na nesagledivo visokim temperaturama, stvarajući uskovitlanu plazmu koja je toplija od površine sunca. Pronalaženje pametnih načina za kontrolu i ograničavanje te plazme biće ključno za otključavanje potencijala nuklearne fuzije, koja se decenijama razmatra kao čisti izvor energije budućnosti. U ovom trenutku, nauka koja leži u osnovi fuzije izgleda zdrava, tako da ono što ostaje je inženjerski izazov. „Moramo biti u stanju da zagrejemo ovu materiju i držimo je zajedno dovoljno dugo da bismo iz nje izvukli energiju“, kaže Ambrođo Fasoli, direktor Švajcarskog centra za plazmu na Ecole Politechnikue Federale de Lausanne u Švajcarskoj.
Tu dolazi DeepMind. Firma za veštačku inteligenciju, koju podržava Gugl matična kompanija Alphabet, koja je ranije okrenula svoju ruku video igricama i preklapanju proteina, i radila je na zajedničkom istraživačkom projektu sa Švajcarskim plazma centrom za razvoj veštačke inteligencije za kontrolu reakcija nuklearne fuzije.
Indija zabranjuje još 54 kineske aplikacije zbog bezbednosti građana
U zvezdama, koje se takođe pokreću fuzijom, sama gravitaciona masa je dovoljna da povuče atome vodonika zajedno i prevaziđe njihova suprotna naelektrisanja. Na Zemlji, naučnici umesto toga koriste moćne magnetne zavojnice da ograniče reakciju nuklearne fuzije, gurajući je u željeni položaj i oblikujući je kao grnčar koji manipuliše glinom na točku. Zavojnice se moraju pažljivo kontrolisati kako bi se sprečilo da plazma dodirne ivice posude: to može oštetiti zidove i usporiti reakciju fuzije. (Postoji mali rizik od eksplozije jer reakcija fuzije ne može da preživi bez magnetnog zatvaranja).
Ali svaki put kada istraživači požele da promene konfiguraciju plazme i isprobaju različite oblike koji mogu dati više snage ili čistiju plazmu, to zahteva ogromnu količinu inženjerskog i dizajnerskog rada. Konvencionalni sistemi su kompjuterski kontrolisani i zasnovani su na modelima i pažljivim simulacijama, ali su, kaže Fasoli, „složeni i nisu uvek nužno optimizovani“.
DeepMind je razvio veštaćku inteligenciju(AI) koji može autonomno da kontroliše plazmu. Rad objavljen u časopisu Nature opisuje kako su istraživači iz ove dve grupe podučavali sistem učenja dubokog pojačanja da kontrolišu 19 magnetnih zavojnica unutar TCV, tokamaka promenljive konfiguracije u Švajcarskom plazma centru, koji se koristi za sprovođenje istraživanja koja će informisati projektovanje većih fuzionih reaktora u budućnosti. „AI, a posebno učenje sa pojačanjem, posebno je pogodan za složene probleme koje predstavlja kontrola plazme u tokamaku“, kaže Martin Riedmiller, vođa kontrolnog tima u DeepMind-u.
Neuronska mreža – vrsta AI podešavanja dizajnirana da oponaša arhitekturu ljudskog mozga – prvobitno je obučena u simulaciji. Počelo je posmatranjem kako promena podešavanja na svakom od 19 zavojnica utiče na oblik plazme unutar posude. Zatim je dobio različite oblike da se pokuša ponovo stvoriti u plazmi. Ovo uključuje poprečni presek u obliku slova D blizak onome što će se koristiti unutar ITER-a (bivši Međunarodni termonuklearni eksperimentalni reaktor), eksperimentalni tokamak velikih razmera koji se gradi u Francuskoj i konfiguraciju pahuljice koja bi mogla da pomogne u rasipanju intenzivne toplotne reakcije ravnomernije oko posude.
DeepMind-ova AI je bila u stanju da autonomno shvati kako da kreira ove oblike manipulisanjem magnetnim kalemovima na pravi način – i u simulaciji i kada su naučnici sproveli iste eksperimente stvarno unutar TCV tokamaka da bi potvrdili simulaciju. To predstavlja „značajan korak“, kaže Fasoli, koji bi mogao uticati na dizajn budućih tokamaka ili čak ubrzati put do održivih fuzionih reaktora. „To je veoma pozitivan rezultat“, kaže Yasmin Andrev, specijalista za fuziju na Imperial College London, koja nije bila uključena u istraživanje. „Biće zanimljivo videti da li mogu da prenesu tehnologiju na veći tokamak.“
Fuzija je ponudila poseban izazov naučnicima DeepMind-a jer je proces složen i kontinuiran. Za razliku od potezne igre kao što je Go, koju je kompanija slavno osvojila sa svojim AlphaGo AI, stanje plazme se stalno menja. I da stvari budu još teže, ne može se kontinuirano meriti. To je ono što istraživači veštačke inteligencije nazivaju „nedovoljno posmatranim sistemom“.
„Ponekad se algoritmi koji su dobri u ovim diskretnim problemima bore sa takvim kontinuiranim problemima“, kaže Džonas Bučli, naučnik u DeepMind-u.
Ovo je bio zaista veliki korak napred za naš algoritam, jer smo mogli da pokažemo da je to izvodljivo. I mislimo da je ovo definitivno veoma, veoma složen problem koji treba rešiti. To je drugačija vrsta složenosti od one koju imate u igricama.
Ovo nije prvi put da se veštačka inteligencija koristi za kontrolu nuklearne fuzije. Od 2014. Gugl radi sa fuzionom kompanijom TAE Technologies sa sedištem u Kaliforniji na primeni mašinskog učenja na drugačiji tip fuzionog reaktora – ubrzavajući analizu eksperimentalnih podataka. Istraživanje na projektu Joint European Torus (JET) fuzije u Velikoj Britaniji koristilo je veštačku inteligenciju da pokuša da predvidi ponašanje plazme. Koncept se čak pojavljuje i u fikciji: U Spider-Man 2 iz 2004. godine, negativac Dok Ok kreira egzoskelet koji pokreće AI, koji kontroliše mozak, da kontroliše svoj eksperimentalni fuzioni reaktor, koji odlično funkcioniše sve dok AI ne preuzme njegov um i ne počne da ubija ljude.
Sve u svemu, saradnja sa DeepMind-om mogla bi se pokazati kao ključna kako fuzioni reaktori postaju sve veći. Iako fizičari dobro znaju kako da kontrolišu plazmu u manjim tokamacima pomoću konvencionalnih metoda, izazov će se samo povećati kako naučnici pokušavaju da učine održivim verzije veličine elektrane. Napredak je bio spor, ali stabilan. Prošle nedelje je projekat JET napravio proboj, postavljajući novi rekord u količini energije izvučene iz projekta fuzije, a izgradnja je u toku u francuskom ITER-u, međunarodnoj saradnji koja će postati najveći eksperimentalni fuzioni reaktor na svetu kada se pokrene 2025.
„Što je tokamak složeniji i visokih performansi, to je veća potreba da se kontroliše više količina sa većom i većom pouzdanošću i preciznošću“, kaže Dmitrij Orlov, naučni saradnik u Centru za energetska istraživanja u San Dijegu. Tokamak koji kontroliše veštačka inteligencija mogao bi da se optimizuje da kontroliše prenos toplote iz reakcije na zidove posude i spreči oštećenje „nestabilnosti plazme“. Sami reaktori bi mogli biti redizajnirani da bi se iskoristila čvršća kontrola koju nudi unapređena veštačka inteligencija.
Na kraju, kaže Fasoli, saradnja sa DeepMind-om mogla bi omogućiti istraživačima da pomere granice i ubrzaju dugo putovanje ka snazi fuzije. „AI bi nam omogućio da istražimo stvari koje inače ne bismo istraživali, jer možemo da rizikujemo sa ovakvom vrstom sistema kontrole koji se inače ne bismo usudili da preuzmemo“, kaže on.
Ako smo sigurni da imamo sistem kontrole koji nas može odvesti blizu granice, ali ne i preko granice, možemo zapravo istražiti mogućnosti koje inače ne bi bile tu za istraživanje.
