2024-02-28 16:02:34 作者:姚立伟
科学家们过去几十年一直在追求核聚变发电的梦想,然而由于多种挑战,目前仍未能实现这一目标。其中最大的挑战之一是过热等离子体的不可预测性。不过,普林斯顿等离子体物理实验室(PPPL)的团队最近取得了一项突破性的进展。
他们设计并开发了一种新型人工智能系统,可以在聚变反应过程中提前300毫秒准确预测等离子体撕裂现象,并通过平滑处理来防止不规则现象发生。这一创新未来有望避免反应堆重启的需求。
聚变反应堆采用环形结构,类似于甜甜圈形状,在“托卡马克”(tokamak)反应堆内部,磁场控制着等离子体以使其不会冲破环壁。然而沸腾的等离子体很难控制,它很容易“撕裂”,并且会逃离用于约束它的强大磁场。一旦发生这种情形,则需要关闭反应堆并重置。
研究人员利用了深度强化学习算法来训练人工智能控制器,并成功地解决了这个问题。尽管这个智能网络是专门针对DIII-D反应堆进行训练的,但研究小组确信,在未来的测试中,它可以应用于其他类似的托卡马克设备。然而,要使这种方法在更广泛的范围内发挥作用,则需要进一步的研究和测试。
这篇文章的原始来源如下:
Avoiding Fusion Plasma Tearing Instability with Deep Reinforcement Learning