Am Andlinger Center der Princeton University hat ein interdisziplinäres Team von Ingenieuren, Physikern und Datenwissenschaftlern in Zusammenarbeit mit dem Princeton Plasma Physics Laboratory (PPPL) KI eingesetzt, um Plasmainstabilitäten bei der Kernfusion zu untersuchen.
Bei der Fusionsenergie, die den Prozess der Energieversorgung der Sonne widerspiegelt, werden durch immensen Druck und Hitze Atome miteinander verschmolzen, wodurch große Mengen an Energie freigesetzt werden.
Um dies auf der Erde nachzubilden, muss ultraheißes Plasma mit starken Magnetfeldern in Tokamak-Reaktoren eingeschlossen werden - komplexe Geräte, die oft als "Sterne in Gläsern" bezeichnet werden. Doch in den Grenzen eines Fusionsreaktors ist Plasma bekanntermaßen flüchtig und kann die magnetischen Barrieren, die es eindämmen sollen, destabilisieren und durchbrechen.
In Experimenten, die an der DIII-D Nationale Fusionsanlage in San Diegohat ein Forscherteam ein KI-Modell vorgestellt, das allein auf der Grundlage historischer experimenteller Daten das Auftreten von "Tearing-Mode-Instabilitäten" - einer besonderen Art von Plasmastörungen - bis zu 300 Millisekunden im Voraus vorhersagen kann.
Die Forscher setzten ein tiefes neuronales Netzwerk ein, das auf der Grundlage früherer DIII-D-Tokamak-Daten trainiert wurde, um zukünftige Instabilitäten auf der Basis von Echtzeit-Plasmaeigenschaften vorherzusagen.
Dieses Modell diente dann als Grundlage für einen Algorithmus des verstärkten Lernens (Reinforcement Learning, RL), der seine Kontrollstrategien durch simulierte Experimente iterativ verfeinerte und dabei lernte, ein hohes Leistungsniveau aufrechtzuerhalten und gleichzeitig Instabilitäten zu vermeiden.
Die Ergebnisse des Teams wurden in einer Studie veröffentlicht Studie in der Natur.
Azarakhsh Jalalvand, ein Mitautor, verglich den Prozess mit der Flugausbildung, bei der ein Pilot in einem Simulator lernt, bevor er die Kontrolle über ein echtes Flugzeug übernimmt.
"Man würde niemandem etwas beibringen, indem man ihm einen Satz Schlüssel in die Hand drückt und ihm sagt, er solle sein Bestes geben", bemerkte Jalalvand und betonte die Bedeutung eines schrittweisen, fundierten Lernprozesses für die KI.
Nach der Validierung der Simulationsleistung des KI-Controllers ging das Team zu realen Tests am DIII-D-Tokamak über, wo sie beobachteten, dass die KI erfolgreich Reaktorparameter manipulierte, um Instabilitäten zu verringern.
Die kurzen, aber entscheidenden Vorhersagefähigkeiten des KI-Controllers ermöglichen es dem System, die Betriebsparameter in Echtzeit anzupassen, Instabilitäten zu vermeiden und das Gleichgewicht des Plasmas im Magnetfeld des Reaktors aufrechtzuerhalten.
Professor Egemen Kolemen, der die Forschung leitete, erklärte den Ansatz des TeamsIndem die KI aus früheren Experimenten lernt und nicht nur Informationen aus physikalischen Modellen einbezieht, kann sie eine endgültige Kontrollpolitik entwickeln, die ein stabiles, leistungsstarkes Plasmaregime in Echtzeit in einem echten Reaktor unterstützt.
Jaemin Seo vom Fachbereich Maschinenbau und Luft- und Raumfahrttechnik erläuterte, dass eine genaue und schnelle Vorhersage der Dreh- und Angelpunkt dieser Studie ist: "Frühere Studien haben sich im Allgemeinen darauf konzentriert, die Auswirkungen dieser reißenden Instabilitäten zu unterdrücken oder abzuschwächen, nachdem sie im Plasma aufgetreten sind. Unser Ansatz ermöglicht es uns jedoch, diese Instabilitäten vorherzusagen und zu vermeiden, bevor sie überhaupt auftreten."
"Tearing-Mode-Instabilitäten sind eine der Hauptursachen für Plasmastörungen, und sie werden noch stärker in den Vordergrund treten, wenn wir versuchen, Fusionsreaktionen mit den hohen Leistungen zu betreiben, die zur Erzeugung von genügend Energie erforderlich sind", erklärte Seo.
Für die Zukunft planen die Forscher, weitere Beweise für die Leistung des KI-Controllers zu sammeln und seine Fähigkeiten auf andere Tokamaks und Plasmainstabilitäten auszuweiten.
"Wir haben starke Hinweise darauf, dass der Controller bei DIII-D recht gut funktioniert, aber wir brauchen mehr Daten, um zu zeigen, dass er in einer Reihe von verschiedenen Situationen funktionieren kann", sagte Seo und skizzierte den weiteren Weg.
Überbrückung der KI-Energiekluft durch Kernfusion
Die Princeton-Studie zeigt, wie KI die Fusion unterstützen kann, aber die Fusion könnte auch KI unterstützen.
In vielerlei Hinsicht hat die KI eine symbiotische, wenn auch fragile Beziehung zur Energie. Vieles deutet darauf hin, dass das exponentielle Wachstum der generativen KI zu einem schwindelerregenden Energieverbrauch führt, der schon jetzt mit dem der Verbrauch der kleinen Nationen.
Der Kern des Dilemmas liegt in der grundlegenden Infrastruktur der KI - den Rechenzentren. Diese riesigen digitalen Anlagen sind berüchtigt für ihren kolossalen Energie- und Wasserbedarf.
Die Internationale Energieagentur (IEA) wies kürzlich auf den wachsenden Fußabdruck von Rechenzentren hin, die bereits mehr als 1,3% des weltweiten Stromverbrauchs verbrauchen.
Die Prognosen der Boston Consulting Group und der Europäischen Union zeichnen ein düsteres Bild. Energiebedarf von Rechenzentren die sich in den kommenden Jahren verdoppeln oder sogar verdreifachen könnten, was die Energieprobleme noch verschärft.
Als Reaktion darauf baut Big Tech seine Energieinfrastruktur Tag für Tag aus und erwägt dabei die Kernenergie, einschließlich der Kernfusion.
Microsoft hat kürzlich eine Stellenausschreibung eröffnet für einen "Principal Program Manager Nuclear Technology" und zielt darauf ab, eine globale Strategie zu entwickeln, die sich auf kleine modulare Reaktoren (SMR) und Mikroreaktoren konzentriert und die sich abzeichnenden Energieprobleme der KI berücksichtigt.
Kürzlich, Helion Energiemit Unterstützung von Sam Altman von OpenAI seine Absicht bekannt, innerhalb von fünf Jahren das erste Fusionskraftwerk der Welt in Betrieb zu nehmen.
Wenn Helion funktioniert, ist es nicht nur ein möglicher Ausweg aus der Klimakrise, sondern auch ein Weg zu einer viel höheren Lebensqualität.
Ich habe es geliebt, in den letzten 7 Jahren dabei zu sein und freue mich darauf, mehr zu investieren. David und Chris sind großartig.
- Sam Altman (@sama) 5. November 2021
Wie die Princeton-Studie erklärt, sind Fusionsreaktionen äußerst komplex und unvorhersehbar.
Eine weitere zentrale Herausforderung besteht jedoch darin, einen "Netto-Energiegewinn" zu erzielen, d. h. der Fusionsprozess erzeugt mehr Energie als er verbraucht.
Helion steht vor erheblichen technischen Herausforderungen. Jessica Lovering vom Good Energy Collective hebt zwei große Hürden hervor: "Mehr Energie zu produzieren, als der Prozess verbraucht - und diese Energie in eine konsistente, erschwingliche Form von Elektrizität umzuwandeln, die ins Netz eingespeist werden kann."
Bisher hat nur die National Ignition Facility von Lawrence Livermore mit der Fusion einen "wissenschaftlichen Nettoenergiegewinn" erzielt, nicht aber einen "technischen Gewinn", der den gesamten Energieaufwand für den Prozess berücksichtigt.
Mit anderen Worten, die Sicherung der Nettoenergiegewinne aus dem gesamten Fusionsprozess, einschließlich der technischen Bemühungen, ist entscheidend dafür, dass die Fusion zu einer lebensfähigen Energietechnologie und nicht zu einem teuren Experiment wird.
wobei @Helion_Energy wird bald mit der Installation von Polaris beginnen: pic.twitter.com/Tk7znzvOPg
- Sam Altman (@sama) 2. Februar 2024
Helion treibt die Entwicklung seines siebten Prototyps, Polaris, voran, der 2024 die Stromerzeugung aus Fusionsreaktionen demonstrieren soll.
Helion mit Sitz in Everett, Washington, hat bereits Microsoft als ersten Kunden durch einen Stromabnahmevertrag gewonnen. Das erste Projekt soll eine Leistung von mindestens 50 Megawatt (mW) haben.
microsoft wird der erste Kunde von helion, der erste kommerzielle Vertrag für Fusionsenergie:https://t.co/q9mOeWdR0s
- Sam Altman (@sama) 10. Mai 2023
Diese Leistung ist winzig, denn eine durchschnittliche Windturbine erzeugt etwa 3 mW - sie entspricht also einem kleinen Windpark. Sobald Helion jedoch in Betrieb ist, wird es saubere Energie wie andere Formen erneuerbarer Energien erzeugen. Sie ist sicherer als Kernspaltungsanlagen und wird schließlich billiger in der Massenproduktion werden.
Mit der zunehmenden Verflechtung der digitalen und physischen Welt wird der Energiebedarf von KI und Cloud Computing weiter steigen.
Das Streben nach Kernfusion bietet einen Ausblick auf eine Zukunft, in der saubere, reichlich vorhandene Energie die unaufhaltsame Entwicklung der KI antreiben könnte.
Und da Microsoft, Altman und andere Technologieunternehmen bereits als Investoren und Käufer bereitstehen, werden es mit Sicherheit die Technologieunternehmen sein, die die Fusionsenergie zuerst in die Hände bekommen.
