På Princeton University's Andlinger Center har et tværfagligt team af ingeniører, fysikere og dataforskere i samarbejde med Princeton Plasma Physics Laboratory (PPPL) brugt AI til at håndtere plasma-ustabilitet i kernefusion.
Fusionsenergi, som afspejler den proces, der driver solen, bruger enormt tryk og varme til at fusionere atomer og frigive enorme mængder energi.
For at kunne genskabe dette på jorden skal man indeslutte ultravarmt plasma med kraftige magnetfelter i tokamak-reaktorer - komplekse enheder, der ofte kaldes "stjerner i krukker". Men iInden for rammerne af en fusionsreaktor er plasma notorisk flygtigt og kan potentielt destabilisere og bryde de magnetiske barrierer, der er designet til at inddæmme det.
I eksperimenter udført på DIII-D National Fusion Facility i San Diegoviste et hold forskere en AI-model, der udelukkende på baggrund af historiske eksperimentelle data kunne forudsige udbruddet af "tearing mode instabiliteter" - en særlig type plasmaforstyrrelser - op til 300 millisekunder i forvejen.
Forskerne brugte et dybt neuralt netværk, der var trænet på tidligere DIII-D-tokamakdata, til at forudsige fremtidige ustabiliteter baseret på plasmakarakteristika i realtid.
Denne model informerede derefter en forstærkningslæringsalgoritme (RL), som iterativt forfinede sine kontrolstrategier gennem simulerede eksperimenter og lærte at opretholde høje effektniveauer, samtidig med at ustabilitet blev undgået.
Teamets resultater blev offentliggjort i en undersøgelse i Nature.
Azarakhsh Jalalvand, en af forfatterne, sammenlignede processen med flyvetræning, hvor en pilot lærer i en simulator, før han tager kontrol over et rigtigt fly.
"Du ville ikke lære nogen noget ved at give dem et sæt nøgler og sige, at de skal gøre deres bedste", bemærkede Jalalvand og understregede vigtigheden af en gradvis, informeret læringsproces for den kunstige intelligens.
Efter at have valideret AI-controllerens simuleringsresultater gik teamet videre til tests i den virkelige verden på DIII-D-tokamakken, hvor de observerede, at AI'en med succes manipulerede reaktorparametre for at reducere ustabilitet.
AI-controllerens korte, men kritiske forudsigelsesevne gør det muligt for systemet at justere driftsparametre i realtid, forhindre ustabilitet og opretholde plasmaets ligevægt i reaktorens magnetfelt.
Professor Egemen Kolemen, som har stået i spidsen for forskningen, forklarede teamets tilgang"Ved at lære af tidligere eksperimenter i stedet for at inddrage information fra fysikbaserede modeller kunne AI'en udvikle en endelig kontrolpolitik, der understøttede et stabilt, højtydende plasmaregime i realtid i en rigtig reaktor."
Jaemin Seo fra Institut for Mekanik og Rumfart diskuterede, hvordan nøjagtig og hurtig forudsigelse er omdrejningspunktet for denne undersøgelse, og bemærkede: "Tidligere undersøgelser har generelt fokuseret på enten at undertrykke eller afbøde virkningerne af disse rivningsinstabiliteter, efter at de er opstået i plasmaet. Men vores tilgang giver os mulighed for at forudsige og undgå disse ustabiliteter, før de overhovedet opstår."
"Tearing mode instabiliteter er en af hovedårsagerne til plasmaforstyrrelser, og de vil blive endnu mere fremtrædende, når vi forsøger at køre fusionsreaktioner ved de høje kræfter, der kræves for at producere nok energi," forklarer Seo.
Fremover planlægger forskerne at indsamle flere beviser på AI-controllerens ydeevne og udvide dens muligheder til andre tokamakker og plasmainstabiliteter.
"Vi har stærke beviser for, at controlleren fungerer ganske godt ved DIII-D, men vi har brug for flere data for at vise, at den kan fungere i en række forskellige situationer", bemærkede Seo og skitserede vejen frem.
At bygge bro over AI's energikløft med kernefusion
Princeton-undersøgelsen viser, hvordan AI kan understøtte fusion, men fusion kan også understøtte AI.
På mange måder har kunstig intelligens et symbiotisk, men skrøbeligt forhold til energi. Meget tyder på, at den generative AI's eksponentielle vækst fører til et svimlende energiforbrug, der allerede nu er på højde med forbrug af små nationer.
Essensen af dilemmaet ligger i AI's grundlæggende infrastruktur - datacentre. Disse enorme digitale installationer er berygtede for deres kolossale energi- og vandforbrug.
Det Internationale Energiagentur (IEA) fremhævede for nylig det voksende fodaftryk fra datacentre, som allerede forbruger mere end 1,3% af verdens elektricitet.
Fremskrivninger fra Boston Consulting Group og EU tegner et dystert billede med datacentres energibehov potentielt fordobles eller endda tredobles i de kommende år, hvilket forværrer energiudfordringerne.
Som svar styrker Big Tech sin energiinfrastruktur dag for dag, mens de overvejer kerneenergi, herunder fusion.
Microsoft åbnede for nylig et jobopslag for en "Principal Program Manager Nuclear Technology" og har til formål at udvikle en global strategi centreret omkring Small Modular Reactors (SMR) og mikroreaktorer, der viser kendskab til de truende energispørgsmål, som AI står over for.
For nylig, Helion Energistøttet af Sam Altman fra OpenAI, annoncerede sin hensigt om at lancere verdens første fusionskraftværk inden for fem år.
Hvis Helion virker, er det ikke kun en potentiel vej ud af klimakrisen, men også en vej til en langt højere livskvalitet.
Jeg har elsket at være involveret i de sidste 7 år og glæder mig til at investere mere. David og Chris er fantastiske.
- Sam Altman (@sama) 5. november 2021
Som Princeton-undersøgelsen forklarer, er fusionsreaktioner uhyre komplekse at inddæmme og uforudsigelige.
Men en anden central udfordring er at opnå en "nettoenergigevinst", hvilket betyder, at fusionsprocessen producerer mere energi, end den forbruger.
Helion står over for store tekniske udfordringer. Jessica Lovering fra Good Energy Collective fremhæver to store forhindringer: "At producere mere energi, end processen bruger - og at omdanne denne energi til en ensartet, prisbillig form for elektricitet, der kan sendes ud på nettet."
Til dato er det kun Lawrence Livermores National Ignition Facility, der har opnået "videnskabelig nettoenergigevinst" med fusion, men ikke "teknisk gevinst", som tager højde for det samlede energiinput til processen.
Med andre ord er det afgørende at sikre nettoenergigevinster fra hele fusionsprocessen, inklusive den tekniske indsats, for at gøre fusion til en levedygtig energiteknologi i stedet for et dyrt eksperiment.
hvor @Helion_Energy vil snart begynde at installere polaris: pic.twitter.com/Tk7znzvOPg
- Sam Altman (@sama) 2. februar 2024
Helion er i fuld gang med at udvikle sin syvende prototype, Polaris, som forventes at demonstrere elproduktion fra fusionsreaktioner i 2024.
Helion har base i Everett, Washington, og har allerede sikret sig Microsoft som sin første kunde gennem en elkøbsaftale. De sigter mod, at deres første plan skal producere mindst 50 megawatt (mW) kapacitet.
microsoft bliver helions første kunde i den første kommercielle aftale om fusionskraft:https://t.co/q9mOeWdR0s
- Sam Altman (@sama) 10. maj 2023
Det er meget lidt i forhold til den rå kapacitet, da en gennemsnitlig vindmølle producerer omkring 3 MW - så det svarer til en lille vindmøllepark. Men når Helion er i drift, vil det skabe ren energi ligesom andre former for vedvarende energi. Det er mere sikkert end fissionsanlæg og vil med tiden blive billigere at producere i massevis.
Efterhånden som den digitale og fysiske verden bliver flettet sammen, vil energikravene til AI og cloud computing fortsætte med at eskalere.
At forfølge kernefusion giver et glimt af en fremtid, hvor ren, rigelig energi kan drive den ubønhørlige AI-udvikling.
Og da Microsoft, Altman og andre teknologivirksomheder allerede står i kø som investorer og købere, vil det helt sikkert være teknologivirksomheder, der får fingrene i fusionskraft først.
