Ved Princeton University's Andlinger Center har et tverrfaglig team av ingeniører, fysikere og dataforskere, i samarbeid med Princeton Plasma Physics Laboratory (PPPL), brukt kunstig intelligens til å håndtere plasmainstabilitet i kjernefusjon.
Fusjonsenergi, som gjenspeiler prosessen som driver solen, bruker enormt trykk og varme til å fusjonere atomer, noe som frigjør enorme mengder energi.
For å gjenskape dette på jorden må man begrense ultravarmt plasma med kraftige magnetfelt i tokamak-reaktorer - komplekse innretninger som ofte kalles "stjerner i krukker". Men iI en fusjonsreaktor er plasmaet notorisk ustabilt, og kan potensielt destabilisere og bryte gjennom de magnetiske barrierene som er laget for å holde det inne.
I eksperimenter utført ved DIII-D National Fusion Facility i San DiegoI en ny studie viste et forskerteam frem en AI-modell som, utelukkende basert på historiske eksperimentelle data, kunne forutsi utbruddet av "tearing mode instabilities" - en spesiell type plasmaforstyrrelser - opptil 300 millisekunder i forveien.
Forskerne brukte et dypt nevralt nettverk som var trent opp på tidligere DIII-D-tokamak-data for å forutsi fremtidige ustabiliteter basert på plasmakarakteristikker i sanntid.
Denne modellen ble deretter brukt som grunnlag for en forsterkende læringsalgoritme (RL), som iterativt forbedret kontrollstrategiene gjennom simulerte eksperimenter og lærte seg å opprettholde høye effektnivåer samtidig som ustabilitet ble unngått.
Teamets funn ble publisert i en studie i Nature.
Azarakhsh Jalalvand, en av medforfatterne, sammenlignet prosessen med flyopplæring, der en pilot lærer i en simulator før han eller hun tar kontroll over et ekte fly.
"Du ville ikke lært opp noen ved å gi dem et sett med nøkler og be dem gjøre sitt beste", bemerker Jalalvand, som understreker viktigheten av en gradvis, velinformert læringsprosess for AI-en.
Etter å ha validert AI-kontrollerens simuleringsytelse, gikk teamet videre til tester i den virkelige verden ved DIII-D-tokamaken, der de observerte at AI-en klarte å manipulere reaktorparametere for å redusere ustabilitet.
AI-kontrollens korte, men kritiske prediksjonsevne gjør det mulig for systemet å justere driftsparametrene i sanntid, forhindre ustabilitet og opprettholde likevekten i plasmaet innenfor reaktorens magnetfelt.
Professor Egemen Kolemen, som har ledet forskningen, forklarte teamets tilnærming"Ved å lære av tidligere eksperimenter, i stedet for å innlemme informasjon fra fysikkbaserte modeller, kunne den kunstige intelligensen utvikle en endelig kontrollpolicy som støttet et stabilt, kraftig plasmaregime i sanntid, i en virkelig reaktor."
Jaemin Seo, fra Institutt for maskin- og romfartsteknikk, diskuterte hvordan nøyaktig og rask prediksjon er selve bærebjelken i denne studien, og bemerket: "Tidligere studier har generelt fokusert på enten å undertrykke eller dempe effekten av disse ustabiliteten etter at de har oppstått i plasmaet. Men med vår tilnærming kan vi forutsi og unngå disse ustabilitetene før de noen gang oppstår."
"Ustabiliteter i rivemodus er en av de viktigste årsakene til plasmaforstyrrelser, og de vil bli enda mer fremtredende når vi prøver å kjøre fusjonsreaksjoner med de høye effektene som kreves for å produsere nok energi", forklarer Seo.
I tiden fremover planlegger forskerne å samle inn flere bevis på AI-kontrollerens ytelse og utvide kapasiteten til andre tokamaker og plasmainstabiliteter.
"Vi har sterke bevis på at kontrolleren fungerer ganske bra på DIII-D, men vi trenger mer data for å vise at den kan fungere i en rekke forskjellige situasjoner", bemerker Seo, og skisserer veien videre.
Å bygge bro over AIs energikløft med kjernefusjon
Princeton-studien viser hvordan AI kan støtte fusjon, men fusjon kan også støtte AI.
På mange måter har kunstig intelligens et symbiotisk, men skjørt forhold til energi. Mye tyder på at den eksponentielle veksten i generativ AI fører til et svimlende energiforbruk som allerede er på nivå med forbruk av små nasjoner.
Dilemmaets kjerne ligger i AIs grunnleggende infrastruktur - datasentrene. Disse enorme digitale installasjonene er beryktet for sitt kolossale energi- og vannforbruk.
Det internasjonale energibyrået (IEA) fremhevet nylig det økende fotavtrykket til datasentre, som allerede bruker mer enn 1,3% av verdens elektrisitet.
Prognoser fra Boston Consulting Group og EU tegner et dystert bilde, med energibehov i datasentre potensielt dobles eller tredobles i løpet av de kommende årene, noe som vil forsterke energiutfordringene.
Som svar på dette styrker Big Tech sin energiinfrastruktur dag for dag, samtidig som de vurderer kjernekraft, inkludert fusjon.
Microsoft nylig åpnet en stillingsannonse til en stilling som "Principal Program Manager Nuclear Technology", og har som mål å utvikle en global strategi sentrert rundt små modulære reaktorer (SMR) og mikroreaktorer, noe som viser at man er klar over de truende energispørsmålene som AI står overfor.
Nylig, Helion Energymed støtte fra Sam Altman fra OpenAI, kunngjorde sin intensjon om å lansere verdens første fusjonskraftverk i løpet av fem år.
Hvis Helion fungerer, er det ikke bare en potensiell vei ut av klimakrisen, men også en vei mot mye høyere livskvalitet.
Har elsket å være involvert de siste 7 årene og gleder meg til å investere mer. David og Chris er fantastiske.
- Sam Altman (@sama) 5. november 2021
Som Princeton-studien forklarer, er fusjonsreaksjoner uhyre komplekse å kontrollere og uforutsigbare.
En annen sentral utfordring er imidlertid å oppnå en "netto energigevinst", det vil si at fusjonsprosessen produserer mer energi enn den forbruker.
Helion står overfor betydelige tekniske utfordringer. Jessica Lovering fra Good Energy Collective trekker frem to store hindringer: "Å produsere mer energi enn prosessen bruker - og å omdanne denne energien til en konsistent og rimelig form for elektrisitet som kan strømme ut på nettet."
Hittil er det bare Lawrence Livermores National Ignition Facility som har oppnådd "vitenskapelig netto energigevinst" med fusjon, men ikke "teknisk gevinst", som tar hensyn til den totale energitilførselen til prosessen.
Med andre ord er det avgjørende å sikre netto energigevinster fra hele fusjonsprosessen, inkludert ingeniørarbeid, for å gjøre fusjon til en levedyktig energiteknologi i stedet for et kostbart eksperiment.
hvor @Helion_Energy vil snart begynne å installere polaris: pic.twitter.com/Tk7znzvOPg
- Sam Altman (@sama) 2. februar 2024
Helion fortsetter utviklingen av sin syvende prototyp, Polaris, som forventes å demonstrere elektrisitetsproduksjon fra fusjonsreaksjoner i 2024.
Helion er basert i Everett, Washington, og har allerede sikret seg Microsoft som sin første kunde gjennom en strømkjøpsavtale. De tar sikte på at deres første plan skal produsere minst 50 megawatt (mW) kapasitet.
microsoft blir helions første kunde, i den første kommersielle avtalen for fusjonskraft:https://t.co/q9mOeWdR0s
- Sam Altman (@sama) 10. mai 2023
Dette er en forsvinnende liten kapasitet, ettersom en gjennomsnittlig vindturbin produserer rundt 3 MW - noe som tilsvarer en liten vindmøllepark. Men når Helion først er i drift, vil det skape ren energi på linje med andre former for fornybar energi. Det er tryggere enn fisjonskraftverk, og vil etter hvert bli billigere å produsere i massevis.
Etter hvert som den digitale og den fysiske verdenen flettes sammen, vil energibehovet til kunstig intelligens og cloud computing fortsette å eskalere.
Å satse på kjernefusjon gir et glimt inn i en fremtid der ren energi i overflod kan drive den ubønnhørlige utviklingen av kunstig intelligens.
Og siden Microsoft, Altman og andre teknologiselskaper allerede står i kø som investorer og kjøpere, vil det definitivt være teknologiselskaper som først får tak i fusjonskraft.
