1. 首頁 > 生活百科 > >

Hassabis官宣用AI點燃「人造太陽」，無限能源時代加速到來

人工智能aiGoogle等離子體deepmind

Hassabis官宣用AI點燃「人造太陽」，無限能源時代加速到來

文章圖片

Hassabis官宣用AI點燃「人造太陽」，無限能源時代加速到來

文章圖片


【導讀】Google DeepMind宣布與全球聚變能源領軍企業CFS展開合作 ， 共同利用AI加速「人造太陽」SPARC裝置的研發 。 這標志著AI正式進入核聚變科研核心階段 ， 推動人類邁向清潔、可持續的未來能源時代 。
剛剛 ， Google DeepMind官宣與全球商業聚變能源公司巨頭CFS合作 ， 共同利用AI加速核聚變能源的開發 。
諾獎得主、Google DeepMind聯合創始人兼CEO Demis Hassabis在X平臺激動表示 ， 與CFS的合作將加速核聚變發展 ， 推動人類邁向可持續的未來 ， 擁有無限清潔能源 。
Google DeepMind的AI與CFS的尖端硬件相結合 ， 將帶來核聚變研發領域的加速發展 。
CFS正在研發其旗艦項目SPARC裝置 ， 這是一個旨在產生凈能量的核聚變機器

強強聯手 ， 跨越聚變的「能量收支平衡點」聚變反應（Fusion）是太陽的能量來源 ， 它能夠提供清潔、充足的能源 ， 而不會產生長期存在的放射性廢料 。
CFS是全球聚變能源領域的領軍企業 ， 正通過其強大的托卡馬克（Tokamak）裝置SPARC（聚變實驗裝置） ， 利用高溫超導磁體（High-Temperature Superconducting Magnets）實現受控核聚變 。
這一過程也被稱為「人造太陽」 ， 因為它模仿了太陽內部的能量產生機制 。
CFS的目標是成為歷史上首個實現凈聚變能量輸出（net fusion energy）的磁約束聚變裝置——即聚變產生的能量超過維持聚變所需的能量 。
這標志著向可行聚變能源邁出里程碑式的一步 。
挑戰在于為了優化托卡馬克裝置的性能 ， 需要模擬熱量、電流和物質在等離子體核心中的流動 ， 以及它們與周圍系統的相互作用 ， 同時還要控制在聚變裝置的安全范圍內 。
這是一道既要又要還要的極其復雜的物理難題 ， 這時就需要借助TORAX的力量了 。
TORAX是由Google DeepMind開發并開源的等離子體模擬器 ， 通過強化學習技術 ， 它可以幫助CFS運行數百萬次虛擬實驗 ， 以測試其托卡馬克裝置SPARC的各類方案 。
雙方還將共同研究把AI智能體訓練成專業「駕駛員」 ， 探索實時控制等離子體的新方法 ， 使其在安全運行范圍內承受極端高溫并實現能量產出最大化 。
此次與CFS的合作 ， 正是建立在Google DeepMind此前利用AI成功控制等離子體的突破性研究基礎之上 。
Google DeepMind與瑞士洛桑聯邦理工學院（EPFL）旗下的瑞士等離子體中心（Swiss Plasma Center）曾有過一項合作 ， 證明了深度強化學習可以控制托卡馬克磁體 ， 以穩定復雜的等離子體形態 。
為了將這項研究成果推向更廣泛的物理情景 ， Google DeepMind開發了TORAX ， 這是一個使用JAX編寫的等離子體模擬器 。
TORAX正是這次幫助CFS攻克「能量收支平衡點」的AI利器 ， 目前雙方主要在三個關鍵方向展開合作：
構建快速、精準、可微分的聚變等離子體模擬系統； 尋找最大化聚變能量輸出的高效且穩健路徑； 運用強化學習探索創新的實時控制策略 。TORAX能夠在CPU與GPU上靈活運行 ， 并可無縫集成AI驅動的模型（包括Google DeepMind的自研模型） ， 以實現更高性能 。
TORAX目前已成為CFS日常研究的重要工具 ， 能夠幫助CFS團隊在SPARC啟動之前就能通過數百萬次虛擬實驗測試并優化運行方案 ， 幫助他們深入理解等離子體在不同條件下的行為 ， 從而節省寶貴的時間和資源 。
CFS物理運行高級經理Devon Battaglia表示 ， TORAX幫助他們在搭建與運行SPARC模擬環境時節省了許多工時 。
【Hassabis官宣用AI點燃「人造太陽」，無限能源時代加速到來】
通過強化學習 ， 識別輸出最高能量的最快路徑托卡馬克的運行涉及多種參數調節 ， 如磁線圈電流、燃料注入、加熱功率等 。
傳統方式需要手動尋找在安全范圍內實現最大能量輸出的最佳組合 ， 既復雜又低效 。
通過將TORAX與強化學習或AlphaEvolve等優化方法結合 ， AI Agent可以在模擬環境中探索海量潛在的運行場景 ， 快速識別出最高效、最穩健的能量生成方案 。
由此 ， CFS團隊得以聚焦于最具潛力的策略 ， 從項目初期就提高成功率 ， 即使在SPARC尚未全面運行前也可以做到這一點 。
目前 ， Google DeepMind已經搭建起用于研究不同SPARC場景的基礎設施 ， 可以在不同約束條件下最大化聚變功率 ， 或在了解裝置特性后進一步優化穩健性 。
左圖為SPARC的橫截面 ， 顯示洋紅色等離子體；中圖為TORAX模擬的等離子體壓力變化；右圖展示了不同控制參數對等離子體性能的影響 ， 產生不同的脈沖形態 。
上圖展示了一個標準SPARC等離子體脈沖在TORAX中的模擬 ， 該系統可以評估大量不同的脈沖實驗 ， 找到預期性能最優的設置 。
Google DeepMind通過不斷擴展的聚變科研合作網絡 ， 能夠基于歷史托卡馬克數據和高保真模擬驗證與校準TORAX ， 從而增強模擬的可信度 ， 并在SPARC啟動后快速調整控制策略 。
在早期研究中 ， Google DeepMind已經證明強化學習可以控制托卡馬克的磁場配置 。
現在他們正在研究如何進一步提升復雜性 ， 增加多目標優化——例如在最大化聚變功率的同時 ， 管理SPARC的熱負載 ， 使其在更高性能下安全運行 。
當SPARC以滿功率運行時 ， 巨大的熱量會集中在很小的區域 ， 必須精確管理以保護靠近等離子體的固體材料 。
一種可行策略是通過磁場將廢熱沿壁面周期性「掃動」 ， 如下所示 。
左圖：SPARC內部的等離子體接觸材料位置；右圖：三維動畫展示能量沉積率隨等離子體配置變化而改變的過程 ， 非真實脈沖數據 。
Google DeepMind表示 ， 在合作的初始階段 ， 雙方正在探索強化學習智能體如何學習動態調控等離子體 ， 以高效分配熱負載 。
未來 ， AI有望學會比工程師手動設計更復雜的自適應控制策略 ， 特別是在需要平衡多重約束與目標的情況下 。
此外 ， 還可以利用強化學習為特定脈沖快速調優傳統控制算法 。 通過將脈沖優化與最優控制相結合 ， SPARC有望更快實現其歷史性目標 。
除了科研上合作之外 ， Google還投資了CFS ， 以支持CFS在科學研究與工程應用上的突破 ， 并推動聚變能源技術的商業化落地 。
這場由Google DeepMind與CFS攜手展開的合作 ， 不僅象征著人工智能首次深度介入人類最復雜的能源工程之一 ， 也預示著科研范式的根本轉變 。
當深度學習的計算能力與聚變科學相遇 ， 科研與創新的速度將再次被重新定義 。
參考資料：
https://deepmind.google/discover/blog/bringing-ai-to-the-next-generation-of-fusion-energy/
https://x.com/GoogleDeepMind/status/1978808994811588666
本文來自微信公眾號“新智元” ， 編輯：元宇， 36氪經授權發布 。

    推薦閱讀