Reklama

Sztuczna inteligencja od Google może sterować fuzją jądrową

Inżynierowie z należącego do Google laboratorium sztucznej inteligencji DeepMind nauczyli inteligentny algorytm sterowania procesami zachodzącymi w sercu przyszłej elektrowni korzystającej z fuzji jądrowej. Energia fuzyjna może stać się w przyszłości źródłem taniej, czystej i niemal niewyczerpanej energii, ale kontrola tego procesu była dotąd ogromnym wyzwaniem.

Większość projektów elektrowni fuzyjnych opiera się na tzw. tokamakach - przypominających kształtem donuta zbiornikach, wewnątrz których rozgrzana plazma gorętsza niż powierzchnia Słońca jest sterowana potężnymi polami magnetycznymi. Aby dochodziło do produkującej energię fuzji atomowej, plazma musi być bardzo precyzyjnie kontrolowana. Jakiekolwiek niedoskonałości prowadzą do szybkiego wygaszenia procesu. Dotychczasowy rekord świata fuzji jądrowej, ustalony w ubiegłym roku w Chinach, to niewiele ponad 17 minut stabilnej pracy reaktora.

Reklama

Znalezienie sposobów na kontrolowanie niezwykle złożonego ruchu plazmy trwającego bez przerwy wewnątrz tokamaka jest kluczowe dla stworzenia działającej elektrowni fuzyjnej. Człowiek nie jest w stanie reagować wystarczająco szybko. Tu do gry wkroczyła firma DeepMind. Założone przez Demisa Hassabisa i wykupione przez firmę-matkę Google laboratorium jest jednym z najważniejszych ośrodków badań nad sztuczną inteligencją. Zasłynęło stworzeniem algorytmów, które były w stanie pokonać człowieka w niemal dowolnej grze komputerowej, a także w Go - starożytnej grze planszowej, która przez swoją niezwykłą złożoność długo wymykała się komputerowym graczom.

Teraz, razem ze szwajcarskim centrum plazmowym, DeepMind tworzy sztuczną inteligencję, która będzie kierować plazmą w tokamakach.

Sztuczne Słońce, czyli fuzja jądrowa

Fuzja jądrowa w naturze spotykana jest w sercach gwiazd, gdzie pod wpływem potężnej grawitacji atomy wodoru i innych pierwiastków łączą się, tworząc cięższe pierwiastki i uwalniając ogromne ilości energii. Dlatego tokamaki często nazywa się "sztucznymi Słońcami". To proces o wiele czystszy i wydajniejszy niż spalanie paliw kopalnych czy nawet konwencjonalna energia jądrowa, opierająca się na rozbijaniu jąder atomowych na kawałki.

Tyle że nie mamy na Ziemi gwiazdy, w której moglibyśmy taką fuzję prowadzić. Stworzenie sztucznych warunków, w których doszłoby do kontrolowanej fuzji, jest trudne, bo jądra atomowe odpychają się nawzajem i zbicie ich razem wymaga ekstremalnych warunków, w tym temperatur sięgających setek milionów stopni. W takich warunkach wszystko, co znajdzie się w reaktorze zmienia się w plazmę - czwarty stan skupienia materii, składający się z chaotycznie poruszających się naładowanych elektrycznie cząstek.

To samo w sobie jeszcze nie jest ekstremalnym wyzwaniem, bo odpowiednie technologie istnieją od dziesięcioleci. Problem polega na tym, że do wykorzystania energii tej plazmy, musimy zapobiec jej naturalnej tendencji do rozpraszania się. W gwiazdach sprawę załatwia grawitacja. Na ziemi musimy uciekać się do różnych sztuczek, zwykle wykorzystujących lasery i pola magnetyczne. W reaktorze magnetycznym znanym jako tokamak, plazma jest uwięziona w magnetycznej klatce, która utrzymuje jej kształt i uniemożliwia jej dotknięcie ścian reaktora. To wymaga jednak ciągłego kontrolowania i manipulowania polem magnetycznym.

Google i jego algorytmy sterują fuzją

Zespół DeepMind najpierw przeszkolił swój algorytm na symulowanym reaktorze, a następnie przekazał mu stery eksperymentalnego reaktora w Lozannie. Sztuczna Inteligencja była w stanie kontrolować reaktor bez jakiegokolwiek dodatkowego dostrajania. W sumie sterowała procesem przez dwie sekundy - nie ze względu na problemy z samą SI ale dlatego, że to maksymalny czas pracy szwajcarskiego reaktora, po którym stałby się zbyt gorący.

W tym czasie sieć neuronowa dziesięć tysięcy razy na sekundę wykonywała serię 90 pomiarów badających kształt i położenie plazmy i reagowała, dostosowując napięcie w 19 sterujących nią elektromagnesach. Aby przyspieszyć działanie, sztuczna inteligencja została podzielona na dwie sieci neuronowe. Duża sieć, zwana krytykiem, nauczyła się metodą prób i błędów jak kontrolować reaktor w symulacji. Umiejętności krytyka zostały następnie zakodowana w mniejszej, szybszej sieci, zwanej aktorem, która działa na samym reaktorze.

Reklama

Reklama

Reklama

Reklama

Strona główna INTERIA.PL

Polecamy